# Présentation
Cette bibliothèque permet de faire de **la modélisation de points expérimentaux** très simplement en ajoutant seulement deux lignes de code dans votre programme Python.
Avec cette bibliothèque, vous pourrez :
- Afficher la courbe modélisée sur le graphique ainsi que son **équation**.
- Sélectionner avec le “**lasso**”, les points expérimentaux à utiliser pour la modélisation.
- Afficher/masquer un **réticule** en appuyant sur la touche “**r**” du clavier.
- Afficher/masquer la légende en appuyant sur la touche “**m**” du clavier.
- **Copier-coller** le graphique avec les touches Ctrl+C et Ctrl V.
[Description plus détaillée](https://urlz.fr/pu0X)
## Installation
Utilisez le gestionnaire de packages **pip** pour installer.
```bash
pip install modelisation
```
## Dépendances
Les bibliothèques suivantes doivent être installées :
- matplotlib
- numpy
- scypy
- addcopyfighandler
## Utilisation
```python
import matplotlib.pyplot as plt
import modelisation
x = [0, 1e-3, 2e-3, 3e-3, 4e-3, 5e-3, 6e-3, 7e-3] # saisir les valeurs expérimentales de la grandeur en abscisse
y = [0, 0.221, 0.440, 0.665, 1.250, 1.105, 1.327, 1.550] # saisir les valeurs de la grandeur en ordonnée
plt.plot(x,y, color='red', marker='+', linestyle='none') # Afficher les points
modelisation.modele("lineaire",x ,y) # modèles disponibles : "lineaire", "affine", "parabole", "exp_croissante", "exp_decroissante", "double_affine"
plt.show()
```
## Auteur
© Stéphane LAURENT - 2024
Lycée Valin - La Rochelle (17) - France
Raw data
{
"_id": null,
"home_page": "https://urlz.fr/pu0X",
"name": "modelisation",
"maintainer": null,
"docs_url": null,
"requires_python": null,
"maintainer_email": null,
"keywords": "modelisation physique chimie lyc\u00e9e lin\u00e9aire affine linear regression physical chemistry modeling",
"author": "LAURENT St\u00e9phane",
"author_email": null,
"download_url": null,
"platform": null,
"description": "# Pr\u00e9sentation\n\nCette biblioth\u00e8que permet de faire de **la mod\u00e9lisation de points exp\u00e9rimentaux** tr\u00e8s simplement en ajoutant seulement deux lignes de code dans votre programme Python.\n\nAvec cette biblioth\u00e8que, vous pourrez :\n\n- Afficher la courbe mod\u00e9lis\u00e9e sur le graphique ainsi que son **\u00e9quation**.\n- S\u00e9lectionner avec le \u201c**lasso**\u201d, les points exp\u00e9rimentaux \u00e0 utiliser pour la mod\u00e9lisation.\n- Afficher/masquer un **r\u00e9ticule** en appuyant sur la touche \u201c**r**\u201d du clavier.\n- Afficher/masquer la l\u00e9gende en appuyant sur la touche \u201c**m**\u201d du clavier.\n- **Copier-coller** le graphique avec les touches Ctrl+C et Ctrl V.\n\n\n\n\n[Description plus d\u00e9taill\u00e9e](https://urlz.fr/pu0X)\n\n## Installation\nUtilisez le gestionnaire de packages **pip** pour installer.\n\n```bash\npip install modelisation\n```\n## D\u00e9pendances\nLes biblioth\u00e8ques suivantes doivent \u00eatre install\u00e9es :\n - matplotlib\n - numpy\n - scypy\n - addcopyfighandler\n \n## Utilisation\n\n```python\nimport matplotlib.pyplot as plt \nimport modelisation \n \nx = [0, 1e-3, 2e-3, 3e-3, 4e-3, 5e-3, 6e-3, 7e-3] # saisir les valeurs exp\u00e9rimentales de la grandeur en abscisse\ny = [0, 0.221, 0.440, 0.665, 1.250, 1.105, 1.327, 1.550] # saisir les valeurs de la grandeur en ordonn\u00e9e\nplt.plot(x,y, color='red', marker='+', linestyle='none') # Afficher les points\n \nmodelisation.modele(\"lineaire\",x ,y) # mod\u00e8les disponibles : \"lineaire\", \"affine\", \"parabole\", \"exp_croissante\", \"exp_decroissante\", \"double_affine\"\n \nplt.show()\n```\n\n## Auteur\n\n\u00a9 St\u00e9phane LAURENT - 2024\n\nLyc\u00e9e Valin - La Rochelle (17) - France\n\n\n\n",
"bugtrack_url": null,
"license": "MIT",
"summary": "Mod\u00e9liser des points exp\u00e9rimentaux",
"version": "0.0.8",
"project_urls": {
"Homepage": "https://urlz.fr/pu0X"
},
"split_keywords": [
"modelisation",
"physique",
"chimie",
"lyc\u00e9e",
"lin\u00e9aire",
"affine",
"linear",
"regression",
"physical",
"chemistry",
"modeling"
],
"urls": [
{
"comment_text": "",
"digests": {
"blake2b_256": "0504293634bd4166138efe24554a87cb169e3b0adff97e79e71ecfb7059b81d7",
"md5": "321aef13907d7eb50a80d0a906679764",
"sha256": "cfca53ac23810d09f4c8ab527fa189130ad24c5ac47aea62bbf7bfb4c937290a"
},
"downloads": -1,
"filename": "modelisation-0.0.8-py3-none-any.whl",
"has_sig": false,
"md5_digest": "321aef13907d7eb50a80d0a906679764",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": null,
"size": 5078,
"upload_time": "2024-04-17T10:29:14",
"upload_time_iso_8601": "2024-04-17T10:29:14.870446Z",
"url": "https://files.pythonhosted.org/packages/05/04/293634bd4166138efe24554a87cb169e3b0adff97e79e71ecfb7059b81d7/modelisation-0.0.8-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2024-04-17 10:29:14",
"github": false,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"lcname": "modelisation"
}
JSON