Vid arbete med ingenjörsproblem stöter du ofta på matematiska funktioner som är svåra eller omöjliga att beräkna exakt med elementära operationer. SciPys `scipy.special`-undermodul ger tillgång till ett brett utbud av specialfunktioner som är mycket använda inom teknik, fysik och sannolikhetsteori. En sådan funktion är **gammafunktionen**, som generaliserar fakultetsfunktionen till icke-heltaliga värden och förekommer ofta i sannolikhetsfördelningar och statistiska beräkningar.


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

En omfattande kurs utformad för studenter med starka matematiska kunskaper och medelgoda till avancerade Python-färdigheter, med fokus på att använda SciPy för vetenskapliga beräkningar, optimering, integration och avancerade matematiska operationer.

Utforska strukturen, kärnmodulerna och de grundläggande funktionerna i SciPy för vetenskapliga beräkningar.

Fördjupa dig i SciPys kraftfulla linjäralgebrafunktioner för att lösa verkliga matematiska problem.

Behärska optimeringstekniker och rotfinningsalgoritmer med hjälp av SciPy för vetenskapliga och tekniska problem.

Utforska avancerade matematiska operationer inklusive integration, interpolation och grundläggande signalbehandling med SciPy.

Utmaning: Specialfunktioner inom Ingenjörsvetenskap

Lösning