Pyomeca是一个python库,可让您进行完整的生物力学分析。 以一种简单,逻辑和简洁的方式。 pyomeca文档 请参阅Pyomeca的。 例子 pyomeca实现了生物力学中常用的专门功能。 例如,让我们处理此包含的肌电数据。 您可以使用我们的活页夹服务器继续安装,而无需进行任何安装: from pyomeca import Analogs data_path = "../tests/data/markers_analogs.c3d" muscles = [ "Delt_ant" , "Delt_med" , "Delt_post" , "Supra" , "Infra" , "Subscap" , ] emg = Analogs . from_c3d ( data_path , suffix_delimiter = "." ,
2021-12-15 17:20:46 3.48MB python kinematics dynamics xarray
1
是一个工具,该工具用来定时重启windows下面的程序,比如nodejs服务器重启等工作,需要用到python环境,有需要工具的可以下载看看.
2021-12-12 13:07:41 841B nodejs 定时重启 python工具 自动重启
1
Py指纹 用于描述由不同工具(例如RDKit,CDK和OpenBabel)提供的分子的化学指纹类型很多。 该软件包旨在总结所有内容。 依存关系 适用于python 3.6或更高版本的Anaconda Java SE开发套件11 py pip install jpype1 RDKit conda install -c rdkit rdkit OpenBabel conda install -c conda-forge openbabel 安装 pip install git+git://github.com/hcji/PyFingerprint@master 用法 from PyFingerprint.All_Fingerprint import get_fingerprint fps = get_fingerprint('CCCCN', fp_type='dayligh
2021-12-09 20:10:18 23.7MB Python
1
模型预测控制python工具箱 do-mpc是用于健壮模型预测控制(MPC)和移动视域估计(MHE)的综合开源工具箱。 do-mpc为非线性系统提供有效的公式化表示,并解决控制和估计问题,其中包括处理不确定性和时间离散化的工具。 do-mpc的模块化结构包含仿真,估算和控制组件,可以轻松扩展和组合这些组件以适合许多不同的应用程序。 总之, do-mpc提供以下功能: 非线性经济模型预测控制 支持微分代数方程(DAE) 有限元上正交配置的时间离散化 鲁棒的多阶段模型预测控制 运动视界状态和参数估计 模块化设计,可以轻松扩展 do-mpc软件基于Python,因此可在任何具有Python 3.x发行版的操作系统上使用。 do-mpc由塞巴斯蒂安·恩格尔(Sebastian Engell)领导的多特蒙德工业大学DYN主席Sergio Lucia和Alexandru Tatulea开发。
2021-11-21 14:17:26 46.91MB mhe-es Python
1
Python MIP(混合整数线性编程)工具 套件网站: : Python MIP是用于混合整数线性程序(MIP)建模和解决方案的Python工具集合。 MIP语法受启发。 就像一样,它也提供对高级求解器功能的访问,例如切割生成,惰性约束,MIPstart和解决方案池。 移植Pulp和Gurobi模型应该很容易。 MIP的一些主要功能包括: 高级建模:就像使用这样的高级语言一样,用Python轻松编写MIP模型:运算符重载使使用Python编写线性表达式变得容易。 全功能: 剪切生成器和惰性约束:通过在分支和剪切搜索过程中仅生成所需的不等式来处理具有大量约束的强公式; 解决方案池:查询在搜索过程中找到的精英解决方案集; MIPStart:使用问题相关的启发式方法为MIP搜索生成初始可行的解决方案。 快速:Python MIP软件包使用现代的python 模块直接调用已安
1
猛男 用于Mach-O文件分析的Python工具箱。 严重依赖macholib 。 安装 用途 $ [sudo] pip install machobot 为了发展 $ pip install nose macholib $ git clone https://github.com/rodionovd/machobot.git machobot $ cd ./machobot $ nosetests # run the test suite 用法 作为命令行工具: $ inject_dylib ./target " @rpath/mylib.dylib " 作为Python模块: import machobot 用法示例: import machobot . dylib as dylib dylib . insert_load_command ( "output.a" , "
2021-11-12 11:29:37 17KB Python
1
不确定性工具箱 用于预测不确定性量化,校准,python工具箱。 另外:的以及的集合。 许多机器学习方法会返回预测以及某种形式的不确定性,例如分布或置信区间。 这就引出了一个问题:我们如何确定最佳的预测不确定性? 产生最佳或理想不确定性是什么意思? 我们的不确定性是否准确且经过良好校准? 不确定性工具箱提供了用于量化和比较预测性不确定性估计值的标准度量,提供了这些度量的直觉,生成了这些度量/不确定性的可视化效果,并实施了简单的“重新校准”程序来改善这些不确定性。 该工具箱当前专注于回归任务。 工具箱内容 不确定性工具箱包含: 与预测不确定性量化相关的。 评估预测不确定性估计的质量的。 预测不确定性估计和指标。 用于改善预测变量校准的方法。 有关度量标准和方法的相关。 安装 不确定性工具箱需要Python 3.6及更高版本。 要安装,请克隆并通过cd进入此仓库,然后运行: $
2021-11-01 21:29:30 1.44MB visualization metrics scoring-rules toolbox
1
pysl4land 用于为陆地(pySL4Land)应用程序处理星载激光雷达(GEDI和ICESAT2)的Python工具。 支持的数据产品 为新的数据产品添加支持非常简单,但是目前我已经实现了我所需要的,因此仅支持以下产品。 盖迪 GEDI02_b ICESAT-2 ALT08 安装 要安装,请创建一个新的python环境并安装以下内容: pip install geopandas pip install h5py pip install scipy 下载pysl4land版本,解压缩然后运行: python setup.py install 跑步 然后,您可以使用以下命令运行,这些命令将创建可在GIS中打开的地理包文件:对于GEDI数据: pysl4landgeditools.py -i input_gedi.h5 -o output_gedi.gpkg 对于ICESAT-2
2021-10-28 10:38:02 18KB python land gedi icesat2
1
PyOD - 用于异常值检测的Python工具包(也称为异常检测) Python 异常值检测 (PyOD) 部署、文档和统计信息 构建状态、覆盖率、可维护性和许可证 PyOD 是一个全面且可扩展的 Python 工具包,用于检测多元数据中的外围对象。 这个令人兴奋但具有挑战性的领域通常被称为异常值检测或异常检测。 自 2017 年以来,PyOD 已成功应用于各种学术研究和商业产品 [9] [17] [27] [29]。 机器学习社区也通过各种专门的帖子/教程得到了广泛认可,包括 Analytics Vidhya、KDnuggets、Towards Data Science、Computer Vision News 和 awesome-machine-learning。 PyOD 的特色在于:统一的 API、详细的文档和各种算法的交互式示例。 高级模型,包括神经网络/深度学习和异常值集成。 尽可能使用 numba 和 joblib 通过 JIT 和并行化优化性能。 兼容Python 2 & 3。 Python 2.7注意事项:Python 2.7维护将于2020年1
2021-10-22 12:06:45 5.83MB 机器学习
1
将代码拷到arcgis里的idle或者arcmap界面的python里面,将输入输出文件路径修改了,和参数中最小外包矩形改下即可运行。适合做大量数据clip批处理,节约人力。对于其他工具使用也是类似的,稍微改下即可。
2021-10-12 20:22:27 697B arcgis python clip 批处理
1