Python庫
關注創建者：xj2330 創建時間：2020-09-11
Python庫的視頻教程
ABAQUS添加Python庫文件方法
1.ABAQUS添加Python庫文件 2.以安裝xlwt、xlrd、matplotlib、numpy庫為例說明Python庫文件安裝方法 3.涵蓋了.exe、.gz、.whl格式文件庫安裝方法 4.實現abaqus中使用python連接excel 5.針對ABAQUS6.12——ABAQUS2020版本有效
￥12 22分鐘 117播放
查看
八分鐘掌握PINN方法求解偏微分方程超詳細講解（python代碼詳解）
講解了使用一個特殊的python庫，使用pINN方法求解burgers方程，歡迎大家有問題在評論區討論。
￥20 7分鐘 47播放
查看
Abaqus輸出矩陣：輸出總體矩陣、單元體矩陣及使用python生成、讀取矩陣文件的簡易代碼
其中第4、5課涉及python語言，代碼我放在課件里，操作很簡單，課中也會教大家如何使用這個代碼，沒有基礎的小伙伴也可以輕松使用（但第四課的代碼需要能運行python庫的軟件）。代碼的具體內容適合有一定python語言的同學學習，課程中主要講解特殊的代碼行。 在本課中，我盡量引用了官方的內容并給予解釋（且標出了出處），對于實在查不到的內容我也都做了反復的實驗以確保準確性。
￥16.9 1小時48分鐘 3441播放
查看
Python庫的實例教程
Python 在解決數據科學任務和挑戰方面繼續處于領先地位。去年，我們曾發表一篇博客文章 Top 15 Python Libraries for Data Science in 2017，概述了當時業已證明最有幫助的Python庫。今年，我們擴展了這個清單，增加了新的Python庫，并重新審視了去年已經討論過的 Python 庫，重點關注了這一年來的更新。
我們的選擇實際上包含了 20 多個庫，因為其中一些庫是相互替代的，可以解決相同的問題。因此，我們將它們放在同一個分組。
▌核心庫和統計數據
1. NumPy (Commits: 17911, Contributors: 641)
官網：http://www.numpy.org/
NumPy 是科學應用程序庫的主要軟件包之一，用于處理大型多維數組和矩陣，它大量的高級數學函數集合和實現方法使得這些對象執行操作成為可能。
2. SciPy (Commits: 19150, Contributors: 608)
官網：https://scipy.org/scipylib/
科學計算的另一個核心庫是 SciPy。它基于 NumPy，其功能也因此得到了擴展。SciPy 主數據結構又是一個多維數組，由 Numpy 實現。這個軟件包包含了幫助解決線性代數、概率論、積分計算和許多其他任務的工具。此外，SciPy 還封裝了許多新的 BLAS 和 LAPACK 函數。
3. Pandas (Commits: 17144, Contributors: 1165)
官網：https://pandas.pydata.org/
Pandas 是一個 Python 庫，提供高級的數據結構和各種各樣的分析工具。這個軟件包的主要特點是能夠將相當復雜的數據操作轉換為一兩個命令。
展開 參考 abaqus2020安裝python三方庫_留痕過雁的博客-CSDN博客_abaqus python裝第三方庫
本文使用abaqus2020，需要安裝的第三方庫為geomdl，如果您需要安裝其他庫，操作方法類似。
1.首先確認是否安裝過所需庫文件
在abaqus-cae界面信息欄下方，python命令行輸入
import numpy
import math
import geomdl
由于Abaqus內置numpy庫和math庫
但是不存在geomdl庫
如圖，若未安裝會提示ImportError: No module named geomdl
2.將abaqus python路徑加入到計算機路徑
找到abaqus python 的安裝位置，如我的abaqus安裝在d盤，相應的python位置如下，如果您的安裝位置不同，可以類推。
展開 而在其二次開發中, 不可避免的就要使用到python第三方庫, 不過ABAQUS自身的python已經被其開發者魔改的不成樣子, 并且直接在其內部進行增減, 容易污染ABAQUS環境, 容易造成各個庫文件之間的依賴混亂. 所以采用外部擴展的方法的優勢就比較明顯了.”
01
—
python2.7的安裝
ABAQUS使用的python主要是2.7版本, 據說ABAQUS2020已經支持python3, 但是我并沒有獲得相關的知識.
python2.7安裝文件的獲取可以在python官網上下載, 不過下載速度比較慢.
也可以公眾號內回復python2.7獲取百度網盤下載鏈接.
在安裝時記得要將python2.7添加至環境變量, 如果忘記添加, 也可以在安裝完成后手動添加環境變量.
該安裝文件已經集成了pip, 在已添加環境變量的前提下, 通過cmd(cmder)輸入pip2.7即可進行包管理.
推薦使用清華鏡像:-i https://pypi.tuna.tsinghua.edu.cn/simple.
展開 Python語言上手容易，開源，大量的第三方庫可供調用，因此近年來發展迅猛，常年盤踞各類機構推出的程序語言排行榜的前幾位。ABAQUS/CAE的前處理基本是依賴于Python語言打造，因此采用Python進行二次開發很方便。
圖1. IEEE Spectrum 第六屆編程語言排行榜
ABAQUS軟件包中包含了一個完整的Python解釋器內核，另外也有NumPy庫，不過這些都被達索公司進行了深度定制，在ABAQUS2020版本中加入了SciPy和Matplotlib這兩個庫，其他庫并未包含。另外，目前其他低版本ABAQUS仍然大量存在的情況下，如何調用Python第三方庫和新版本調用更多的庫，就成為了一個需要解決的問題。
對于系統中直接安裝的Python解釋器，可以采用很多種方法安裝第三方庫，大家可以自行百度，不再復述。關注“ABAQUS二次開發”公眾號的朋友，基本都是搞有限元數值計算的，我推薦大家安裝Anaconda，好處就是不需要自己去進行復雜的第三方庫安裝。Anaconda是一個開源的Python發行版本，其包含了conda、Python、SciPy、NumPy、SciPy和Matplotlib等180多個科學包及其依賴項，安裝包四五百兆。
圖2. Anaconda標識
背景鋪墊完畢，回到本文的主題，為ABAQUS內置的Python解釋器導入第三方庫，主要是指科學計算用的相關庫，但是不建議采用正常的安裝方法，如Pip。為什么呢？
展開 摘要：使用python的sympy庫中integrate函數進行積分運算
00 積分的分類
1）定積分和不定積分
2）一次積分，二次積分，三次積分
01 不定積分和定積分
不定積分實例，本文演示三個，其它讀者可自行演示
from sympy import *
from sympy.abc import x
integrate(1/x,x)
Out[7]: log(x)
from sympy import *
from sympy.abc import x,a
integrate(a**x,x)
Out[13]: Piecewise((a**x/log(a), Ne(log(a), 0)), (x, True))
from sympy import *
from sympy.abc import x
integrate(sec(x)**2,x)
Out[11]: sin(x)/cos(x)
定積分實例，
from sympy import *
from sympy.abc import x
integrate((2*cos(x)+sin(x)-1),(x,0,pi/2))
Out[17]: -pi/2 + 3
from sympy import *
from sympy.abc import x
integrate(sin(x),(x,0,pi))
Out[19]: 2
from sympy import *
from sympy.abc import x
integrate(1/x,(x,-2,-1))
Out[21]: -log(2)
02 線積分，轉化為一般積分
直線積分，
平面曲線積分，
空間曲線積分，
03 面積分，轉化為二重積分
平面積分，
展開 
Python庫的相關專題、標簽、搜索
Python庫的最新內容
本課題內容包含了Ansys HFSS 自動化開發的流程，python庫-pyaedt的使用介紹，SI/PI相關自動化流程的開發過程和案例分享，也會為參與用戶提供一套完整的開發模板，幫助用戶快速的將python流程應用到自己的項目中去，減小代碼開發本身造成的學習成本。
UQ 庫，適合二次開發
③ 編程與數據分析層
Python：NumPy/SciPy（數值計算）、Pandas（試驗數據管理）、Matplotlib（對比繪圖）、SALib（敏感性分析）
MATLAB：信號處理、模態分析、UQLab 接口
④ 后處理與可視化層
ParaView：開源大規模數據可視化，支持全場云圖對比
ANSYS Ensight：專業 CAE 后處理，擅長瞬態動畫與多模型同步
開源庫進行功能擴展。
不止是腳本，更是橋梁
PyAnsys不是一個單一的軟件，而是一個Python庫的集合。它的核心價值在于：讓你用Python代碼的方式，去操控Ansys強大的求解器，并把仿真數據與Python龐大的AI、數據分析生態（如NumPy、TensorFlow）連接起來 。
- 學習內容：
- 什么是機器學習
- 人工智能與神經網絡
- 搭建機器學習環境
- Python基礎與必備庫
- 使用Pandas進行數據處理與預處理
- 數據可視化技術
- 缺失數據處理與數據清洗
- 特征縮放與歸一化
- 學習內容：
- 什么是機器學習
- 人工智能與神經網絡
- 搭建機器學習環境
- Python基礎與必備庫
- 使用Pandas進行數據處理與預處理
- 數據可視化技術
- 缺失數據處理與數據清洗
- 特征縮放與歸一化
- 分類數據編碼
- 理解機器學習中的回歸
注意：IronPython 通常與現有標準 Python 腳本兼容，但并非所有基于 C 語言的 Python 庫模塊都能在 IronPython 中使用。若要運行為舊版本 Ansys Workbench 創建的腳本，必須在腳本文件開頭插入 SetScriptVersion 命令，指定腳本最初創建時的軟件版本。
腳本庫
由于工程師可以對基于碳化硅（SiC）的功率模塊設計進行迭代，onsemi基于對象的方法能夠實現更大的創意自由度。
直接利用Python中的AI庫（如TensorFlow/PyTorch）進行數據挖掘和智能分析。
但當你興沖沖地準備處理這些數據時，卻遇到了一個常見的“攔路虎”：Ansys等專業仿真軟件生成的結果文件（如.rst, .rth, .odb）是特殊的二進制格式。
你可以這樣理解：這種格式就像是軟件為自己的讀寫速度而設計的“內部語言”，效率雖高，但外界卻“聽不懂”。
PyAnsys?系列中包含40多個Python庫，現在還加入了PySTK?和PyChemkin?，這不僅為Ansys解決方案提供了支持工作流程自動化的Python接口，還提高了應用的生產力和效率
在全新基于Web的、完全協作式解決方案Ansys medini? Cybersecurity SE中實現威脅分析和漏洞管理的自動化，從而降低信息安全風險
通過基于Web的SysML v2平臺Ansys
