Analyse scientifique avec Python - media.readthedocs.org

141 Pages·2016·1.18 MB·French

Analyse scientifique avec Python
Version Janvier 2017
Yannick Copin
16/05/17, 11:48

Table des matières
1 Introduction 1
1.1 Pourquoi un module d’analyse scientifique? . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Pourquoi Python? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Organisation des TDs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Informations pratiques 2017 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Initiation à Python 5
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Types de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Structures de programmation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Les chaînes de caractères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5 Objets itérables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.6 Fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.7 Bibliothèques et scripts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.8 Exceptions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.9 Classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.10 Entrées-sorties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.11 Éléments passés sous silence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Bibliothèque standard 23
3.1 Gestion des arguments/options de la ligne de commande . . . . . . . . . . . . . . . . . . 23
3.2 [c]Pickle : sérialisation des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 Batteries included . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4 Text/Graphical User Interfaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4 Bibliothèques numériques 27
4.1 Numpy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.2 Scipy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3 Bibliothèques graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4 Astropy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.5 Autres librairies scientifiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5 Développer en python 41
5.1 Le zen du python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2 Développement piloté par les tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.3 Outils de développement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6 Références supplémentaires 47
6.1 Documentation générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.2 Listes de liens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.3 Livres libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
i
6.4 Cours en ligne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.5 Sphinx & co. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7 Exemples 51
7.1 Mean power (fonction, argparse) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
7.2 Formes (POO) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
7.3 Cercle circonscrit (POO, argparse) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
7.4 Matplotlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
8 Exercices 65
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
8.2 Manipulation de listes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
8.3 Programmation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
8.4 Manipulation de tableaux (arrays) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
8.5 Méthodes numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
8.6 Visualisation (matplotlib) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
8.7 Mise en oeuvre de l’ensemble des connaissances acquises. . . . . . . . . . . . . . . . . . . 71
8.8 Exercices en vrac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
9 Annales d’examen 73
9.1 Simulation de chute libre (partiel nov. 2014) . . . . . . . . . . . . . . . . . . . . . . . . . 73
9.2 Examen janvier 2015 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
10 Projets 75
10.1 Projets de visualisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.2 Projets statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.3 Projets de physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
10.4 Projets astrophysiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
10.5 Divers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
11 Démonstration Astropy 87
11.1 Fichiers FITS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
11.2 Tables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
11.3 Quantités et unités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
11.4 Calculs cosmologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
12 Méthode des rectangles 97
13 Algorithme d’Euclide 99
14 Crible d’Ératosthène 101
15 Carré magique 103
16 Suite de Syracuse 105
17 Flocon de Koch 107
18 Jeu du plus ou moins 111
19 Animaux 113
20 Particules 117
21 Jeu de la vie 127
22 Median Absolute Deviation 129
23 Distribution du pull 131
24 Quadrature 133
ii
25 Zéro d’une fonction 135
26 Quartet d’Anscombe 137
27 Suite logistique 141
28 Ensemble de Julia 143
29 Trajectoire d’un boulet de canon 145
30 Équation d’état de l’eau 147
31 Solutions aux exercices 151
32 Examen final, Janvier 2015 153
32.1 Exercice. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
32.2 Le problème du voyageur de commerce . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
32.3 Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
Bibliographie 157
iii
iv
1
CHAPITRE
Introduction
Version Master de Physique Fondamentale, Université Lyon 1 du 16/05/17, 11 :48
Auteur Yannick Copin <ipnl.in2p3.fr>
Pourquoi un module d’analyse scientifique?
— Pour générer ses données, p.ex. simulations numériques, contrôle d’expériences;
— Pour traiter ses données, i.e. supprimer les artefacts observationnels;
— Pour analyser ses données, i.e. extraire les quantités physiques pertinentes, p.ex. en ajustant un
modèle;
— Pour visualiser ses données, et appréhender leur richesse multi-dimensionnelle;
— Pour présenter ses données, p.ex. générer des figures prêtes à publier.
Ce module s’addresse donc avant tout aux futurs expérimentateurs, phénoménologistes ou théoriciens
voulant se frotter à la réalité des observations.
Pourquoi Python?
Les principales caractéristiques du langage Python :
— Syntaxe simple et lisible : langage pédagogique et facile à apprendre et à utiliser;
— Langage interprété : utilisation interactive ou script exécuté ligne à ligne, pas de processus de
compilation;
— Haut niveau : typage dynamique, gestion active de la mémoire, pour une plus grande facilité
d’emploi;
— Multi-paradigme : langage impératif et/ou orienté objet, selon les besoins et les capacités de
chacun;
— Logiciel libre et ouvert, largement répandu (multi-plateforme) et utilisé (forte communauté);
— Riche bibliothèque standard : Batteries included;
— Riche bibliothèque externe : de nombreuses bibliothèques de qualité, dans divers domaines (y
compris scientifiques), sont déjà disponibles.
L’objectif est bien d’apprendre un seul langage de haut niveau, permettant tout aussi bien des analyses
rapides dans la vie de tous les jours – quelques lignes de code en intéractif – que des programes les plus
complexes (projets de plus de 100000 lignes).
1
Analyse scientifique avec Python, Version Janvier 2017
Liens :
— Getting Started
— Python Advocacy
Organisation des TDs
— TD1 : Introduction, types de base, structures de programmation
— TD2 : Chaînes de caractères, objets itérables, fonctions, bibliothèques
— TD3 : Exceptions, classes, entrées-sorties
— TD4 : Librairie standard, révisions
— TD5 : Numpy
— TD6 : Scipy
— TD7 : Zen du python, révisions
— Page projets : Exemple de sujets de micro-projets
Informations pratiques 2017
— Atelier Analyse scientifique avec Python
— Cours en ligne
— Responsable : Yannick Copin <ipnl.in2p3.fr>, Bureau 420 de l’IPNL (4 rue Fermi)
Calendrier
Toutes les séances ont lieu au bâtiment Ariane.
Date TD Salle
Lun. 06/02/2017 10h-12h 6
Lun. 06/02 13h30-15h30 2
Mar. 07/02 14h-17h 2
Jeu. 09/02 9h-12h 6
Ven. 10/02 14h30-16h30 6 (projets)
Participants
Nom Mail (prenom.nom+) Statut Projet
Desprez Guillaume etu.univ-lyon1.fr M2 Diag. HR
Dumoulin Jeremy etu.univ-lyon1.fr M2 Poincaré I
Ikhenache Nadira etu.univ-lyon1.fr M2 Naine blanche
Rouzaud Robin etu.univ-lyon1.fr M2 Poincaré II
Vericel Arnaud etu.univ-lyon1.fr M2 Poincaré II
Girerd Claude ipnl.in2p3.fr IPNL
Tromeur William ipnl.in2p3.fr IPNL
Arguello Jazmin ens-lyon.fr ENSL
Installations locales
Si des programmes ou des librairies Python (p.ex. ipython) manquent sur votre ordinateur (p.ex. en
salle Ariane), il est relativement aisé de les installer localement à l’aide du gestionnaire d’installation
pip.
— Installer pip :
2 Chapitre 1. Introduction
Analyse scientifique avec Python, Version Janvier 2017
wget https://bootstrap.pypa.io/get-pip.py
./get-pip.py --user
— Installer p.ex. ipython :
pip install --user ipython
Si vous avez le contrôle de votre ordinateur, il peut être préférable d’utiliser le gestionnaire de paquets
du système (p.ex. synaptic sur Ubuntu).
1.4. Informations pratiques 2017 3
Analyse scientifique avec Python, Version Janvier 2017
4 Chapitre 1. Introduction