Bij het werken aan technische vraagstukken kom je vaak wiskundige functies tegen die moeilijk of onmogelijk exact te berekenen zijn met elementaire bewerkingen. Het `scipy.special` submodule van SciPy biedt toegang tot een breed scala aan speciale functies die veel worden gebruikt in de techniek, natuurkunde en kansrekening. Een van deze functies is de **gammafunctie**, die de faculteitsfunctie generaliseert naar niet-gehele waarden en vaak voorkomt in kansverdelingen en statistische berekeningen.


import unittest
import user_code
import ast
import re   
import unittest
import importlib
import math

class TestTask(unittest.TestCase):
    def test_gamma_positive_integer(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.compute_gamma(5)
        expected = math.gamma(5)
        _dynamic_test(
            self,
            abs(result - expected) < 1e-10,
            "Correct gamma value for integer input (5)",
            f"Expected gamma(5)={expected}, got {result}",
        )

    def test_gamma_positive_noninteger(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.compute_gamma(2.7)
        expected = math.gamma(2.7)
        _dynamic_test(
            self,
            abs(result - expected) < 1e-10,
            "Correct gamma value for non-integer input (2.7)",
            f"Expected gamma(2.7)={expected}, got {result}",
        )

    def test_gamma_half(self):
        import user_code
        importlib.reload(user_code)
        result = user_code.compute_gamma(0.5)
        expected = math.gamma(0.5)
        _dynamic_test(
            self,
            abs(result - expected) < 1e-10,
            "Correct gamma value for input 0.5",
            f"Expected gamma(0.5)={expected}, got {result}",
        )

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

def normalize_text(text):
    text = text.lower()
    text = re.sub(r"\s{2,}", " ", text)
    text = re.sub(r"\s*([,:?])\s*", r"\1 ", text)
    return text.strip()

def change_var(code: str, var_name: str, value: str) -> str:
    tree = ast.parse(code)
    lines = code.splitlines()
    for i, node in enumerate(tree.body):
        if isinstance(node, ast.Assign):
            for target in node.targets:
                if isinstance(target, ast.Name) and target.id == var_name:
                    start_line = node.lineno - 1
                    line = lines[start_line]
                    indent = ' ' * (len(line) - len(line.lstrip()))
                    lines[start_line] = f"{indent}{var_name} = {value}"
                    next_line = len(lines)
                    for next_node in tree.body[i+1:]:
                        if hasattr(next_node, 'lineno'):
                            next_line = next_node.lineno - 1
                            break
                    if next_line > start_line + 1:
                        lines[start_line+1:next_line] = []
                    
                    return '\\n'.join(lines)
    return code

if __name__ == "__main__":
    unittest.main()


test_main.py

Een uitgebreide cursus ontworpen voor studenten met een sterke wiskundige achtergrond en gemiddelde tot gevorderde Python-vaardigheden, gericht op het benutten van SciPy voor wetenschappelijk rekenen, optimalisatie, integratie en geavanceerde wiskundige bewerkingen.

Verken de structuur, kernmodules en essentiële functies van SciPy voor wetenschappelijk rekenen.

Duik in de krachtige lineaire algebra mogelijkheden van SciPy voor het oplossen van wiskundige problemen uit de praktijk.

Beheers optimalisatietechnieken en algoritmen voor het vinden van nulpunten met behulp van SciPy voor wetenschappelijke en technische vraagstukken.

Verken geavanceerde wiskundige bewerkingen, waaronder integratie, interpolatie en basis signaalverwerking met SciPy.

Challenge: Special Functions in Engineering

Oplossing