Bất kỳ kỹ sư nào cũng sẽ nghe nói về Python trong giai đoạn này. Nhưng nếu bạn là một kỹ sư cơ học điển hình, không có khả năng bạn và nhóm của bạn sẽ sử dụng Python để phân tích dữ liệu của bạn.
Điều này đang bắt đầu thay đổi [bằng chứng là thực tế bạn đang đọc blog này!] Bây giờ khi các kỹ sư cơ khí đang từ bỏ MATLAB với số lượng lớn hơn có lợi cho Python.
Trong blog này, tôi sẽ giải thích lý do tại sao việc di chuyển này xảy ra và làm thế nào để bắt đầu. Tôi cũng sẽ cung cấp một bộ mã ví dụ bạn có thể chạy ngay trong trình duyệt của mình mà không cần cài đặt bất cứ thứ gì. Nó tải trong một số dữ liệu [bất kỳ bộ dữ liệu nào!], Vẽ nó, và sau đó thực hiện một số phân tích miền và miền tần số cơ bản [có thể đánh vào phần lớn những gì bạn đang sử dụng MATLAB cho dù sao đi nữa]. Có rất nhiều tài nguyên trực tuyến cung cấp thêm chi tiết về cách bắt đầu, vì vậy tôi cũng sẽ chỉ cho bạn một số tài nguyên tốt.
Tôi sẽ bao gồm:
- Tại sao phải học Python?
- Phổ biến
- Nó miễn phí
- Nó có thể làm nhiều hơn
- Khi nào Python không phải là lựa chọn tốt nhất?
- Cái nào nhanh hơn, Matlab hay Python?
- Bắt đầu với Python
- Tải xuống những gì và từ đâu
- Môi trường để mã [Spyder, Pycharm, Jupyter Lab, Google Colab]
- Ví dụ về Python tương tác và miễn phí để phân tích rung động cơ bản
- Tài nguyên
- Kết luận & Thăm dò ý kiến
Tại sao phải học Python
Có ba lý do chính để chuyển sang Python:
- Nó phổ biến hơn [vì lý do chính đáng]
- Nó miễn phí về chi phí và về tính linh hoạt
- Nó có thể làm nhiều hơn nữa!
Tôi cũng sẽ trả lời hai câu hỏi mà bạn thường nhận được từ người dùng MATLAB, những người ngần ngại thực hiện công tắc này:
- Bất kỳ trường hợp ngoại lệ nơi MATLAB tốt hơn?
- Matlab nhanh hơn, phải không? Sai!
Python là cách phổ biến hơn
Python phổ biến hơn gấp mười lần so với Matlab theo Chỉ số TiOBE xếp hạng Python thứ 2 và MATLAB thứ 17 trong danh sách các ngôn ngữ lập trình phổ biến nhất. Các bảng xếp hạng được xác định bằng cách phân tích dữ liệu công cụ tìm kiếm.
Tôi thường không phải là người làm điều gì đó chỉ vì những người khác đang làm điều đó. Tôi có xu hướng thích là một chút chống lại thủy triều! Nhưng trong trường hợp lập trình, việc áp dụng một ngôn ngữ phổ biến hơn có lợi ích chính là cho phép bạn truy cập vào các ví dụ hơn và một cộng đồng lớn hơn của những người có thể giúp bạn học.
Các trang web Stack Overflow cung cấp một nền tảng cho các nhà phát triển đặt câu hỏi và hợp tác trên Code. Họ cũng chia sẻ một số dữ liệu thú vị về xu hướng về loại câu hỏi đang được trả lời. Biểu đồ sau [nguồn từ Stack Overflow] biểu thị tỷ lệ phần trăm các câu hỏi hàng tháng được hỏi về MATLAB so với ba gói Python cốt lõi được sử dụng để phân tích dữ liệu và âm mưu: gấu trúc, numpy & matplotlib [nhiều hơn trên các gói python sau đó].
Các câu hỏi về Matlab đạt đến đỉnh điểm vào năm 2015, nhưng kể từ đó, mối quan tâm đã giảm trong khi việc áp dụng các công cụ tương đương Python đang tăng nhanh hơn nữa. Năm 2021, Matlab chiếm khoảng 0,2% các câu hỏi trên Stack Overflow. Trong khi đó, phân tích dữ liệu cốt lõi và các thư viện vẽ đồ thị trong Python chiếm khoảng 4% tổng số các câu hỏi. Cộng đồng kỹ thuật và phân tích dữ liệu nói chung đang áp dụng Python trong các nhóm; Đã đến lúc các kỹ sư cơ khí làm điều đó quá!The engineering and data analysis community as a whole are adopting Python in droves; it's time mechanical engineers do it too!
Python là nguồn mở có nghĩa là bất kỳ ai cũng có thể đóng góp mã cho cộng đồng bằng Python. Điều này làm cho sự phổ biến ngày càng tăng của Python giúp phát triển theo cấp số nhân và hiệu suất của ngôn ngữ lập trình cùng với nó.
Python là miễn phí
Python là miễn phí, nó không tốn bất cứ điều gì để bắt đầu phát triển với nó. Trong khi đó, Matlab của MathWorks có giá 2.150 đô la mỗi người dùng mỗi năm. Và đây chỉ là cho giấy phép cơ sở. Sau đó, họ cũng bán một loạt các hộp công cụ có giá từ bất cứ nơi nào từ 1.000 đô la mỗi năm cho đến một số gói có giá hơn 10.000 đô la mỗi năm.MATLAB by Mathworks costs $2,150 per user per year. And this is just for the base license. They also then sell a variety of Toolboxes that cost anywhere from an additional $1,000 per year up to some packages costing over $10,000 per year.
Python không chỉ miễn phí về chi phí, mà còn miễn phí về tính linh hoạt. Bởi vì nó là nguồn mở và được thông qua bởi một đối tượng lớn hơn như vậy, có một số cách khác nhau để sử dụng Python. Điều này có nghĩa là có nhiều giao diện người dùng khác nhau [một số chúng tôi sẽ hiển thị trong một khoảnh khắc]. Bạn có thể sử dụng nó trên bất kỳ hệ điều hành nào [Windows, Apple, Linux, v.v.] mà không cần giấy phép mới. Và hiện có hơn 300.000 gói có sẵn miễn phí trên PYPI cung cấp mã và chức năng bạn có thể sử dụng - và thậm chí sửa đổi - với sự tự do hoàn toàn!
Python có thể làm nhiều hơn
Python có thể làm và vượt trội tại các phân tích dữ liệu mà chúng tôi thường làm trong MATLAB. Tuy nhiên, nó có thể làm nhiều hơn nữa! Đó là & nbsp; được sử dụng để chạy các trang web lớn như Reddit, Netflix, Instagram và thậm chí là Google. Nó giao diện với dữ liệu dựa trên đám mây dễ dàng hơn nhiều và nó có các thư viện học máy có khả năng và có khả năng hơn. Matlab, trong khi đó, sẽ cố gắng thuyết phục bạn mua một hộp công cụ khác. & NBSP;
Trên đây là một cách dài để nói rằng nói chung ...
Bất cứ điều gì có thể được thực hiện trong MATLAB đều có thể được nhân rộng trong Python với gói phù hợp. Điều ngược lại, tuy nhiên, không đúng.
Bất kỳ ngoại lệ?
Tôi đã bao gồm một cảnh báo trong tuyên bố cuối cùng đó bởi vì có một số trường hợp cạnh mà không có các gói có sẵn và có thể so sánh trong Python ... & NBSP;yet!
Chúng thường sôi sục với một số hộp công cụ rất đặc biệt của MATLAB như các hộp liên lạc của chúng [Truyền thông vệ tinh, LTE và 5G] và một số điều kỳ lạ khác [mặc dù giống như hầu hết mọi thứ trong Python, có thể chỉ cần một số đào để tìm gói tương đương đúng]. MathWorks [sở hữu MATLAB] cung cấp SIMULINK, là môi trường mô hình hóa và mô phỏng với các sơ đồ khối cũng không có sự thay thế rõ ràng trong Python.
Nhưng tôi sẵn sàng đặt cược phần lớn các kỹ sư cơ khí ngoài kia sử dụng MATLAB không dựa vào các hộp công cụ này có nghĩa là họ có thể dễ dàng chuyển sang Python mà không mất hiệu suất! Đối với các nhu cầu phân tích dữ liệu và thiết bị chung, bất cứ điều gì có thể được thực hiện trong MATLAB [hoặc thậm chí LabView] đều có thể được nhân rộng trong Python [nhưng hãy nhớ điều ngược lại không đúng].
Nhưng Matlab nhanh hơn phải không? Sai!
Tôi đã bắt đầu nhận được Python-Curious vào năm 2016 vì một số lý do bao gồm cả việc nhóm viết phần mềm ENDAQ đã thực hiện nó bằng Python [một lý do khác là tài chính định lượng, thật thú vị!]. Nhưng khía cạnh kỹ thuật cơ khí của công ty, bao gồm tất cả các giám đốc điều hành, là rất nhiều người dùng MATLAB.
Tôi đã nghe từ những người yêu thích trường học cũ này rằng nó sẽ nhanh hơn Python vì nó sử dụng các thư viện Fortran và C được biên dịch và Python không. & NBSP;
Nhưng giống như nhiều thứ trong Python ... đó không phải là một câu trả lời hoàn chỉnh, bạn chỉ cần sử dụng thư viện phù hợp.
Numpy, gấu trúc và SCIPY là các thư viện chiếm ưu thế trong Python để phân tích dữ liệu và chúng thực sự sử dụng mã C và Fortran được biên dịch dưới mui xe giống như cách mà Matlab làm. & NBSP;
Vì vậy, tôi đã đặt ra để so sánh Python với MATLAB để tải dữ liệu và thực hiện một số phân tích rung động cơ bản và viết một blog được xuất bản vào tháng 8 năm 2016: MATLAB vs Python: Kiểm tra tốc độ để phân tích độ rung [Tải xuống miễn phí]. Lúc đầu, sự thiếu quen thuộc của tôi với Python đã dẫn đến mã Matlab của tôi vượt xa phiên bản Python. Nhưng sau đó các nhà bình luận [một dấu hiệu khác của sức mạnh trong cộng đồng và sự nổi tiếng] đã giúp tôi cải thiện hiệu suất. Tôi đã không sử dụng các thư viện phù hợp [tôi cần sử dụng gấu trúc và FFTW, xem blog để biết thêm chi tiết]! Những cải tiến này đã dẫn đến việc đánh bại Python để phân tích rung động cơ bản vào cuối năm 2016. Đây là một bảng kết quả cuối cùng được giải thích trong blog đó:Python beating MATLAB for basic vibration analysis back in late 2016. Here is a table of the final results explained in that blog:
Bây giờ, chỉ để trêu chọc Python tuyệt vời như thế nào và một cái gì đó có thể làm với thư viện Plotly, đây là một biểu đồ tương tác của dữ liệu này được tạo ra trong Python:
Câu chuyện dài: Nếu bạn có một ví dụ về một số thuật toán phân tích dữ liệu chạy nhanh hơn ở Matlab so với Python, tôi sẵn sàng đặt cược có một cách khác để thực hiện thuật toán đó trong Python thực sự sẽ nhanh hơn MATLAB.
Đối với những người đặc biệt lo lắng về tốc độ thực thi của Python, có một trình biên dịch có sẵn có tên là NUMBA có thể dịch mã Python thành mã máy gốc hơn. Có một số ví dụ ấn tượng ngoài kia như thế này so sánh tốc độ tính toán đại số đơn giản trong Python [có và không có Numba], Matlab và Fortran. Cảnh báo spoiler: Mã Python với Numba chạy nhanh hơn 10 lần so với Matlab [Python và Numpy chạy nhanh hơn ngay cả khi không có numba] và thậm chí nhanh hơn Fortran.
Bắt đầu
Đây là một lĩnh vực mà lúc đầu tôi nghĩ Matlab có lợi thế. Bắt đầu rất dễ dàng với MATLAB bởi vì thực sự chỉ có một lựa chọn về nơi để có được nó và môi trường để mã hóa. Python là khác nhau mặc dù và có rất nhiều sự lựa chọn ở đây! Tôi sẽ đề xuất một vài lựa chọn mà cá nhân tôi thích và nghĩ rằng sẽ phù hợp nhất với những người quen thuộc với Matlab.
Tải xuống những gì và từ đâu
Có bốn lựa chọn ở đây theo thứ tự "tính đầy đủ".
- Cài đặt Python trực tiếp
- Miniconda
- Anaconda
- Google Colab
Cài đặt chỉ Python
Để tải xuống Python, bạn có thể truy cập trực tiếp đến nguồn tại python.org. Tuy nhiên, rắc rối ở đây là nó sẽ không đi kèm với bất kỳ gói hoặc môi trường mã hóa nào. Vì vậy, đây có lẽ sẽ không phải là điều tốt nhất để làm cho ai đó đã từng sử dụng Matlab, nó sẽ cảm thấy quá nguyên thủy!
Miniconda
Anaconda
Anaconda
Tải xuống phân phối Anaconda, Phiên bản riêng lẻ, cho đến nay là phương thức được đề xuất cho người dùng Python mới, đặc biệt là ai đó đến từ Matlab. Điều này sẽ hoàn thành với hơn 600 gói thông thường và một vài môi trường khác nhau để viết và thực thi mã, mà chúng ta sẽ nói tiếp theo.
Có một cảnh báo ở đây: một công ty thực sự quản lý phân phối này và họ đã cập nhật các điều khoản dịch vụ của họ vào giữa năm 2020 để không cho phép "người dùng thương mại nặng" tải xuống phiên bản miễn phí và thay vào đó là mua phiên bản thương mại bắt đầu từ $ 15/tháng. Nhưng định nghĩa của họ về "người dùng thương mại nặng" có thể sẽ không phải là người đọc bài viết này vì bạn sẽ không phản ánh kho lưu trữ của họ thường xuyên.
Nhưng nếu tổ chức của bạn là một nguồn mở vì bạn muốn tin tưởng rằng một công ty đang giúp quản lý điều này cho bạn và sẽ tiếp tục hỗ trợ nó, thì có thể nên xem xét giấy phép thương mại của họ. Đây vẫn là chi phí thấp hơn nhiều so với MATLAB và cung cấp một số lợi thế của việc chia sẻ và hợp tác về mã với các đồng nghiệp.
Google Colab
Tùy chọn cuối cùng tôi sẽ đề xuất để bắt đầu là chỉ cần truy cập Google Colaboratory [COLAB viết tắt]. Đây là thang máy thấp nhất để bắt đầu ở Python. Bạn chỉ cần mở nó trong trình duyệt và bạn đang chạy và thực hiện Python ngay lập tức, không cần tải xuống hoặc cài đặt! & NBSP; Trong các ví dụ trước của tôi, tôi đã đề cập rằng bạn cần phải cài đặt tất cả các thư viện Python này để bắt đầu , nhưng Colab đã sẵn sàng với một loạt các thư viện được cài đặt sẵn [tất nhiên bạn có thể cài đặt những người khác nếu cũng cần thiết].no download or installations required! In my previous examples, I mentioned that you need to go install all these Python libraries to get started, but Colab comes ready with a bunch of pre-installed libraries [you can install others if needed, too, of course].
Hãy nghĩ về Colab như Google Docs cho Python. Chúng dựa trên sổ ghi chép Jupyter [nhiều hơn về sau] cung cấp một môi trường rất phong phú để giải thích nghiên cứu của bạn, viết mã và sau đó tạo ra các đầu ra tương tác như cốt truyện. Trong môi trường Google, điều này cũng giúp chia sẻ và hợp tác rất dễ dàng [như tên gọi] với những người khác trong dự án phân tích dữ liệu và nghiên cứu. Dưới đây là video nhanh 3 phút giới thiệu colab:
Google Colab hoàn toàn miễn phí nhưng họ cung cấp các phiên bản trả phí bắt đầu từ $ 10/tháng cung cấp thêm sức mạnh tính toán và thời gian dài hơn. Nhược điểm duy nhất của Colab là nó không thể dễ dàng truy cập thông tin được lưu cục bộ trên máy tính hoặc mạng của bạn. Vì vậy, nếu bạn sẽ thực hiện nhiều phân tích về dữ liệu có phần riêng tư, Colab có thể không dành cho bạn. Nhưng nó vẫn là một cách tuyệt vời để bắt đầu!
Môi trường để mã
Trong Python không chỉ có một số lượng thư viện gần như sử dụng, mà bạn còn có vô số cách viết và thực thi mã. Ở đây tôi sẽ cung cấp một vài ví dụ tôi khuyên bạn nên biết là người mới bắt đầu.
Spyder
Spyder đi kèm với phân phối Anaconda sẽ là một điểm cộng [không cần tải xuống bổ sung] và nó có giao diện rất giống với MATLAB, vì vậy nó sẽ là một nơi hợp lý để bắt đầu nếu bạn thích và đã quen với môi trường đó. Nó sẽ bao gồm:
- Biến Explorer [rất đẹp!]
- Trình chỉnh sửa mã viết
- Bảng điều khiển [tương tự như cửa sổ lệnh trong MATLAB]
- Trợ giúp tích hợp
- Lịch sử
- Và nhiều hơn nữa!
Phòng thí nghiệm Jupyter
Notebook Jupyter cho phép bạn tạo và chia sẻ các tài liệu có chứa mã trực tiếp, phương trình, trực quan hóa và văn bản tường thuật phong phú trong Markdown. Và điều này được thực hiện trong một trình duyệt web! & NBSP;
Phân tích dữ liệu có xu hướng lặp đi lặp lại và khám phá và lý tưởng sẽ dẫn đến một báo cáo mà bạn chia sẻ với các bên liên quan. Trong một máy tính xách tay Jupyter, được hiển thị bên dưới, đây là tất cả được thực hiện ở một nơi có thể được xuất dưới dạng tệp HTML PDF hoặc tương tác. Đây là những điều rất tốt để phân tích dữ liệu, Matlab đã sao chép nó với "Biên tập viên trực tiếp" của họ.These are so good for data analysis, MATLAB copied it with their "Live Editor."
Jupyter Lab là một phần tiếp theo từ cuốn sổ tay Jupyter ban đầu mà tôi đã yêu lần đầu tiên tôi sử dụng nó. Trong phòng thí nghiệm Jupyter, bạn có giao diện người dùng mô-đun hơn nhiều để bao gồm các cửa sổ phụ khác nhau cho nhiều trình chỉnh sửa mã, đầu ra, trình khám phá biến, v.v. về máy tính xách tay Jupyter.
Google Colab
Tùy chọn cuối cùng tôi sẽ đề xuất để bắt đầu là chỉ cần truy cập Google Colaboratory [COLAB viết tắt]. Đây là thang máy thấp nhất để bắt đầu ở Python. Bạn chỉ cần mở nó trong trình duyệt và bạn đang chạy và thực hiện Python ngay lập tức, không cần tải xuống hoặc cài đặt! & NBSP; Trong các ví dụ trước của tôi, tôi đã đề cập rằng bạn cần phải cài đặt tất cả các thư viện Python này để bắt đầu , nhưng Colab đã sẵn sàng với một loạt các thư viện được cài đặt sẵn [tất nhiên bạn có thể cài đặt những người khác nếu cũng cần thiết].
Hãy nghĩ về Colab như Google Docs cho Python. Chúng dựa trên sổ ghi chép Jupyter [nhiều hơn về sau] cung cấp một môi trường rất phong phú để giải thích nghiên cứu của bạn, viết mã và sau đó tạo ra các đầu ra tương tác như cốt truyện. Trong môi trường Google, điều này cũng giúp chia sẻ và hợp tác rất dễ dàng [như tên gọi] với những người khác trong dự án phân tích dữ liệu và nghiên cứu. Dưới đây là video nhanh 3 phút giới thiệu colab:
Google Colab hoàn toàn miễn phí nhưng họ cung cấp các phiên bản trả phí bắt đầu từ $ 10/tháng cung cấp thêm sức mạnh tính toán và thời gian dài hơn. Nhược điểm duy nhất của Colab là nó không thể dễ dàng truy cập thông tin được lưu cục bộ trên máy tính hoặc mạng của bạn. Vì vậy, nếu bạn sẽ thực hiện nhiều phân tích về dữ liệu có phần riêng tư, Colab có thể không dành cho bạn. Nhưng nó vẫn là một cách tuyệt vời để bắt đầu!
Môi trường để mã
Nhưng tôi nghĩ đối với người mới bắt đầu Python, điều này sẽ quá nhiều, nhưng thật tốt khi biết nó có sẵn!
Ví dụ tương tác và miễn phí cơ bản
Trong Google Colab này, chúng tôi sẽ trải qua một ví dụ làm như sau. Điều này sẽ bao gồm khả năng bạn tải lên dữ liệu của riêng bạn để tự do phân tích mà không tải xuống bất cứ điều gì!
- Tải CSV [Giả sử thời gian so với gia tốc]
- Phân tích cơ bản trong miền thời gian
- Lô đất toàn thời gian với matplotlib
- Lô đất di chuyển đỉnh cao với cốt truyện
- Âm mưu di chuyển rms với cốt truyện
- Lô thời gian lịch sử xung quanh đỉnh cao với cốt truyện
- Tính toán & cốt truyện PSD
- RM tích lũy từ PSD
- Tìm và vẽ tần số cực đại di chuyển
Chúng tôi có một cuốn sổ tiếp theo đi sâu hơn vào Numpy và Pandas để phân tích dữ liệu. Nó cũng xem trước một chút thư viện của Endaq để phân tích dữ liệu Shock & Rung. Đây là máy tính xách tay!
Tài nguyên
Hãy nhớ rằng Python rất phổ biến vì vậy có rất nhiều nội dung có sẵn trực tuyến để giúp bạn học. Ngoài ra còn có một vài hướng dẫn đặc biệt tốt cho những người quen thuộc với MATLAB:
- Giấy trắng chi tiết từ sự hấp dẫn đến người dùng MATLAB
- So sánh cú pháp/sự khác biệt giữa Numpy & Matlab [bởi Numpy]
- Hướng dẫn [có nhiều người khác!]:
- Tại sao & làm thế nào để thực hiện chuyển đổi từ Matlab sang Python [từ Python thực sự]
- Giới thiệu về hướng dẫn Python dành riêng cho người dùng MATLAB [từ DataCamp] & NBSP;
- Giới thiệu về Python cho người mới bắt đầu [từ Jetbrains]
Ngoài ra, đây là một hội thảo trên web mà chúng tôi đã chạy trên Python cho các kỹ sư cơ khí. Sự khởi đầu đưa ra một cái nhìn tổng quan tương tự cho blog này, nhưng vào khoảng 10 phút, chúng tôi bắt đầu một cuộc biểu tình trực tiếp về việc sử dụng Python để phân tích rung động bằng colab.
Cuối cùng nhưng không kém phần quan trọng, hãy nghĩ về chúng tôi tại Endaq như một tài nguyên để khai thác, cụ thể nếu bạn đang thực hiện một số phân tích về dữ liệu Shock & Rung. Chúng tôi cũng đang trong quá trình hoàn thành một thư viện nguồn mở để thực hiện một số phân tích dữ liệu mà chúng tôi biết khách hàng của các cảm biến và cộng đồng kỹ thuật cơ khí thường xuyên làm ở Matlab, nhưng có thể được thực hiện tốt hơn trong Python!
Sự kết luận
Tôi hy vọng bài viết này minh họa giá trị của việc chuyển sang Python. Như bạn có thể thấy có hàng tấn tài nguyên có sẵn để giúp bạn bắt đầu lập trình! Như mọi khi, hãy liên hệ với chúng tôi nếu bạn có bất kỳ câu hỏi hoặc bạn có thể để lại nhận xét bên dưới. Và đừng quên chúng ta sẽ chạy một hội thảo trên web về chủ đề này vào ngày 14 tháng 9 lúc 12:00 [giờ phương Đông]. Tham gia với chúng tôi để xem một cuộc biểu tình trực tiếp về việc sử dụng Google Colab để phân tích dữ liệu. & nbsp;
Và, nếu bạn có một vài giây, hãy điền vào cuộc thăm dò của chúng tôi về Python và Matlab. Chúng tôi luôn muốn đảm bảo nội dung của chúng tôi đáp ứng nhu cầu của độc giả, vì vậy phản hồi và đầu vào của bạn là vô giá! & NBSP;
Bài viết liên quan:
- MATLAB VS PYTHON: Kiểm tra tốc độ phân tích rung động
- Top 10 gói phần mềm phân tích rung
- 7 tùy chọn tốt nhất của bạn để lập trình phân tích rung