小编Wol*_*ger的帖子

我正在学习如何根据教程（https://packaging.python.org/en/latest/tutorials/packaging-projects/）为 PyPI 打包 Python 项目。对于示例项目，他们使用文件夹结构：

packaging_tutorial/\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 LICENSE\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 pyproject.toml\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 README.md\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 src/\n\xe2\x94\x82   \xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 example_package_YOUR_USERNAME_HERE/\n\xe2\x94\x82       \xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 __init__.py\n\xe2\x94\x82       \xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 example.py\n\xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 tests/\n

我只是想知道为什么src/需要该文件夹？它有特定的目的吗？可以直接将包包含在顶部文件夹中吗？例如会

packaging_tutorial/\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 LICENSE\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 pyproject.toml\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 README.md\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 example_package_YOUR_USERNAME_HERE/\n\xe2\x94\x82   \xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 __init__.py\n\xe2\x94\x82   \xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 example.py\n\xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 tests/\n

有什么缺点或引起并发症吗？

给定一个f(x)带有输入向量x并返回相同长度向量的函数,如何找到函数设置约束的根x？(例如,每个组成部分的范围x.)

令我惊讶的是,我找不到很多关于此的有用信息.在优化和根查找算法的scipy列表中,似乎有一些标量函数的选项,如brentq.我找不到任何支持多变量情况的选项的算法.

当然,人们可以像处理返回向量的每个组件一样进行解决,然后使用其中一个最小化器,例如differential_evolution(这是我认为的唯一一个).我无法想象这是一个很好的策略,因为它杀死了牛顿算法的二次收敛.此外,我发现真的令人惊讶的是,似乎没有这个选项,因为它一定是一个非常普遍的问题.我错过了什么吗？

说我有同样大小的两个数组A和B.为了明确,我们假设它们是二维的.两个数组中的值表示一些数据,这些数据应平滑地取决于数组中的位置.但是,其中的一些值A已与其对应的值交换B.我想扭转这种交换,但我很难找到一个标准来告诉我何时应该交换两个值.

一个例子应该有帮助.下面是一些python代码,它创建了两个这样的数组,并随机交换了一些元素

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
import random

### create meshgrid ###
x = np.linspace(-10,10,15);
y = np.linspace(-10,10,11);

[X,Y] = np.meshgrid(x,y);

### two sufficiently smooth functions on the meshgrid ###
A = -X**2-Y**2;
B = X**2-Y**2-100;

### plot ###
ax=plt.subplot(2,2,1)
im1=ax.imshow(A,extent=[-10, 10, -10, 10])
ax.set_title('A')
ax2=plt.subplot(2,2,2)
im2=ax2.imshow(B,extent=[-10, 10, -10, 10])
ax2.set_title('B')

### randomly exchange a few of the elements of A and B ###
for i …

我有一些图中的子图fig1,通过创建

ax = fig1.add_subplot(221)

然后,我通过每个子图绘制内容

im=ax.plot(x,y)

并通过添加一些轴标签

ax.set_xlabel('xlabel')

然后我想完全清除一个特定的子图,如何使用cla(),clf()或close()来清除matplotlib中的图？.然而问题是,ax.cla()并且ax.clear()似乎只清除了绘图中的数据,而没有移除轴,轴刻度标签等.另一方面plt.clf()清除整个图形.介于两者之间吗？类似clf的命令可以清除子图中的所有内容,包括轴标签？或者我只是以错误的方式使用命令？

我最近从使用 TeX (PGF/TikZ) 制作插图转向使用 Matplotlib 来达到同样的目的。主要原因是我的很多科学代码都是用python写的，有些插图应该直接使用python计算的输出。

我一直在使用annotate和花哨的箭头补丁，它已经做了很多我需要什么，比如绘图弯箭（例如参见这里）。与 TikZ 相比，我遗漏了一件特别的事情：路径装饰（参见https://tex.stackexchange.com/a/193451/96546以获取一个简单的 TikZ 示例）。我的问题是是否有办法在 matplotlib 中进行这种 TikZ 风格的路径装饰？

由于这是相当广泛的，我将设置一个特定的任务（取自 TeX.SE 问题https://tex.stackexchange.com/questions/193444/sketching-simple-arrows-with-different-direction）：我将如何绘制Matplotlib 中的以下图片？

我知道这个问题，但实现实际上并不是端点之间线的装饰，而是绘制的函数。

这是一个奇怪的：

我发现自己需要一个 numpy 函数，我称之为真正的反函数np.cos（或另一个三角函数，这里使用余弦来确定）。我所说的“真逆”是一个函数invcos，这样

np.cos(invcos(x)) = x

对于任何实数浮点数 x。两个观察结果：invcos(x)存在（它是一个复杂的浮点）并且不np.arccos(x)执行该工作，因为它仅适用于.-1 < x < 1

cos_x = np.array([0.5, 1., 1.5])

x = np.arccos(cos_x)
cos_x_reconstucted = np.cos(x)
# [0.5 1.  nan]

x2 = 1j*np.arccosh(cos_x)
cos_x_reconstructed2 = np.cos(x2)
# [nan+nanj 1.-0.j 1.5-0.j]

def invcos(array):
    x1 = np.arccos(array)
    x2 = 1j*np.arccosh(array)
    print(x1)
    print(x2)
    x …