Améliorations / Corrections

Vous avez des améliorations (ou des corrections) à proposer pour ce document : je vous remerçie par avance de m'en faire part, cela m'aide à améliorer le site.

Emplacement :

Description des améliorations :

Vous êtes un professionnel et vous avez besoin d'une formation ? Machine Learning
avec Scikit-Learn Voir le programme détaillé

Contenu du module « scipy.integrate »

Liste des classes du module scipy.integrate

Nom de la classe	Description
BDF	Implicit method based on backward-differentiation formulas. _{[extrait de BDF.__doc__]}
complex_ode
DenseOutput	Base class for local interpolant over step made by an ODE solver. _{[extrait de DenseOutput.__doc__]}
DOP853	Explicit Runge-Kutta method of order 8. _{[extrait de DOP853.__doc__]}
LSODA	Adams/BDF method with automatic stiffness detection and switching. _{[extrait de LSODA.__doc__]}
ode
OdeSolution	Continuous ODE solution. _{[extrait de OdeSolution.__doc__]}
OdeSolver	Base class for ODE solvers. _{[extrait de OdeSolver.__doc__]}
Radau	Implicit Runge-Kutta method of Radau IIA family of order 5. _{[extrait de Radau.__doc__]}
RK23	Explicit Runge-Kutta method of order 3(2). _{[extrait de RK23.__doc__]}
RK45	Explicit Runge-Kutta method of order 5(4). _{[extrait de RK45.__doc__]}

Liste des exceptions du module scipy.integrate

Nom de la classe d'exception	Description
IntegrationWarning
ODEintWarning	Warning raised during the execution of `odeint`. _{[extrait de ODEintWarning.__doc__]}

Liste des fonctions du module scipy.integrate

Signature de la fonction	Description
cubature(f, a, b, *, rule='gk21', rtol=1e-08, atol=0, max_subdivisions=10000, args=(), workers=1, points=None)
cumulative_simpson(y, *, x=None, dx=1.0, axis=-1, initial=None)
cumulative_trapezoid(y, x=None, dx=1.0, axis=-1, initial=None)
dblquad(func, a, b, gfun, hfun, args=(), epsabs=1.49e-08, epsrel=1.49e-08)
fixed_quad(func, a, b, args=(), n=5)
lebedev_rule(n)	Lebedev quadrature. _{[extrait de lebedev_rule.__doc__]}
newton_cotes(rn, equal=0)
nquad(func, ranges, args=None, opts=None, full_output=False)
nsum(f, a, b, *, step=1, args=(), log=False, maxterms=1048576, tolerances=None)	Evaluate a convergent finite or infinite series. _{[extrait de nsum.__doc__]}
odeint(func, y0, t, args=(), Dfun=None, col_deriv=0, full_output=0, ml=None, mu=None, rtol=None, atol=None, tcrit=None, h0=0.0, hmax=0.0, hmin=0.0, ixpr=0, mxstep=0, mxhnil=0, mxordn=12, mxords=5, printmessg=0, tfirst=False)
qmc_quad(func, a, b, *, n_estimates=8, n_points=1024, qrng=None, log=False)
quad(func, a, b, args=(), full_output=0, epsabs=1.49e-08, epsrel=1.49e-08, limit=50, points=None, weight=None, wvar=None, wopts=None, maxp1=50, limlst=50, complex_func=False)
quad_vec(f, a, b, epsabs=1e-200, epsrel=1e-08, norm='2', cache_size=100000000.0, limit=10000, workers=1, points=None, quadrature=None, full_output=False, *, args=())	Adaptive integration of a vector-valued function. _{[extrait de quad_vec.__doc__]}
romb(y, dx=1.0, axis=-1, show=False)
simpson(y, x=None, *, dx=1.0, axis=-1)
solve_bvp(fun, bc, x, y, p=None, S=None, fun_jac=None, bc_jac=None, tol=0.001, max_nodes=1000, verbose=0, bc_tol=None)	Solve a boundary value problem for a system of ODEs. _{[extrait de solve_bvp.__doc__]}
solve_ivp(fun, t_span, y0, method='RK45', t_eval=None, dense_output=False, events=None, vectorized=False, args=None, **options)	Solve an initial value problem for a system of ODEs. _{[extrait de solve_ivp.__doc__]}
tanhsinh(f, a, b, *, args=(), log=False, maxlevel=None, minlevel=2, atol=None, rtol=None, preserve_shape=False, callback=None)	Evaluate a convergent integral numerically using tanh-sinh quadrature. _{[extrait de tanhsinh.__doc__]}
test(label='fast', verbose=1, extra_argv=None, doctests=False, coverage=False, tests=None, parallel=None)
tplquad(func, a, b, gfun, hfun, qfun, rfun, args=(), epsabs=1.49e-08, epsrel=1.49e-08)
trapezoid(y, x=None, dx=1.0, axis=-1)

Vous êtes un professionnel et vous avez besoin d'une formation ? Programmation Python
Les compléments Voir le programme détaillé

Le tutoriel Python complet (Text+Vidéos)

Le tutoriel Python en vidéos

Evaluez vos compétences en Python