戰(zhàn)：算法復(fù)雜度可視化驗(yàn)證)
簡(jiǎn)介本資源是廣東工業(yè)大學(xué)《數(shù)值分析》課程Python實(shí)驗(yàn)一的完整報(bào)告文檔面向數(shù)學(xué)與計(jì)算機(jī)相關(guān)專業(yè)本科生聚焦算法效率對(duì)比與非線性方程求解兩大核心數(shù)值計(jì)算問(wèn)題。文檔以實(shí)驗(yàn)報(bào)告形式系統(tǒng)呈現(xiàn)第一部分通過(guò)直接法與秦九韶算法計(jì)算高次多項(xiàng)式最高10000次詳列x0.1/1/2三組測(cè)試下的乘法/加法次數(shù)及運(yùn)行時(shí)間對(duì)比直觀揭示秦九韶算法在大幅降低運(yùn)算復(fù)雜度上的優(yōu)勢(shì)第二部分實(shí)現(xiàn)二分法求解x2?20完整記錄17次迭代過(guò)程、區(qū)間縮放邏輯及函數(shù)值符號(hào)判定規(guī)則并附可運(yùn)行Python源碼。資源為1個(gè)29KB的docx文件結(jié)構(gòu)清晰含實(shí)驗(yàn)?zāi)康摹⑺惴ㄔ?、結(jié)果表格、代碼實(shí)現(xiàn)與深度討論便于理解算法思想與編程實(shí)踐。目前已有211人學(xué)習(xí)下載適合數(shù)值分析初學(xué)者鞏固理論、提升Python數(shù)值編程能力。1. 這不是“寫個(gè)for循環(huán)就交作業(yè)”的數(shù)值實(shí)驗(yàn)它用兩個(gè)真實(shí)可跑的Python腳本把算法復(fù)雜度從“玄學(xué)概念”變成終端里跳動(dòng)的毫秒數(shù)和乘法計(jì)數(shù)器你有沒有在寫完一個(gè)多項(xiàng)式求值函數(shù)后被導(dǎo)師問(wèn)過(guò)“x2時(shí)你這段代碼到底執(zhí)行了多少次乘法”——不是理論推導(dǎo)是真·數(shù)出來(lái)。廣東工業(yè)大學(xué)這份Python數(shù)值分析實(shí)驗(yàn)一就是干這個(gè)的它不講大道理直接甩給你兩段能跑、能改、能測(cè)、能對(duì)著表格逐行驗(yàn)證的代碼——一段是教科書級(jí)的“暴力直球”直接法一段是古籍里走出來(lái)的“降維打擊”秦九韶算法再加一個(gè)手搓二分法求根的完整迭代日志生成器。它面向的是剛學(xué)完for和def、但還沒見過(guò)“浮點(diǎn)誤差怎么吃掉你第15位有效數(shù)字”的人也面向那些想拿它當(dāng)模板快速搭起自己數(shù)值方法驗(yàn)證框架的開發(fā)者。所有代碼都在本地Python 3.8環(huán)境一鍵可跑不需要任何第三方包連numpy都不用——因?yàn)樗脑O(shè)計(jì)哲學(xué)很樸素讓計(jì)算代價(jià)肉眼可見讓算法優(yōu)劣不再靠背誦而靠time.perf_counter()打出來(lái)的那個(gè)小數(shù)點(diǎn)后四位。2. 項(xiàng)目結(jié)構(gòu)與技術(shù)棧純Python輕量級(jí)數(shù)值驗(yàn)證套件零依賴、全手動(dòng)、重過(guò)程這份實(shí)驗(yàn)資源不是工程級(jí)項(xiàng)目而是一個(gè)高度聚焦的教學(xué)驗(yàn)證套件。它沒有requirements.txt沒有setup.py甚至沒有子目錄——所有邏輯都?jí)涸谌齻€(gè)獨(dú)立.py文件里對(duì)應(yīng)實(shí)驗(yàn)報(bào)告中的三大模塊。但它對(duì)Python語(yǔ)言特性的運(yùn)用非常扎實(shí)精準(zhǔn)使用time.perf_counter()而非time.time()做高精度計(jì)時(shí)用len(str(x))粗略估算有效數(shù)字位數(shù)雖有浮點(diǎn)表示局限但教學(xué)場(chǎng)景下足夠直觀用open(1.txt, a)持續(xù)追加寫入二分法迭代軌跡形成可直接拖進(jìn)Excel分析的結(jié)構(gòu)化日志。整個(gè)技術(shù)棧就是Python標(biāo)準(zhǔn)庫(kù)的“核心四件套”time計(jì)時(shí)、math雖未顯式import但x*x即其子集、builtinsprint,len,range,input、io文件讀寫。沒有魔法全是肌肉記憶級(jí)別的基礎(chǔ)操作——這恰恰是它能被快速?gòu)?fù)現(xiàn)、深度改造的根本原因。2.1 文件清單與職責(zé)劃分三文件即三戰(zhàn)場(chǎng)整個(gè)資源解壓后只有3個(gè).py文件命名直白無(wú)歧義文件名對(duì)應(yīng)實(shí)驗(yàn)核心職責(zé)是否含輸入交互exp2_direct.py實(shí)驗(yàn)2算法1直接法計(jì)算 $ f(x) \sum_{k0}^{10000} (k1)x^k $統(tǒng)計(jì)乘法/加法次數(shù)、耗時(shí)、結(jié)果長(zhǎng)度否x值硬編碼exp2_qin.py實(shí)驗(yàn)2算法2秦九韶算法同一多項(xiàng)式用嵌套乘法形式 $ f(x) 1 x(2 x(3 \cdots x(10001)\cdots)) $ 實(shí)現(xiàn)精確計(jì)數(shù)乘加次數(shù)否x值硬編碼exp3_bisection.py實(shí)驗(yàn)3二分法求解 $ f(x)x^2-20 $ 在[1.3,1.5]內(nèi)的根實(shí)時(shí)打印迭代過(guò)程并追加寫入1.txt是需手動(dòng)輸入上下限提示三個(gè)文件彼此完全解耦可單獨(dú)運(yùn)行、單獨(dú)修改、單獨(dú)計(jì)時(shí)。不要試圖把它們合并成一個(gè)主程序——實(shí)驗(yàn)設(shè)計(jì)的本意就是讓你隔離對(duì)比而不是封裝調(diào)用。2.2 多項(xiàng)式定義的隱含契約理解f(x)的數(shù)學(xué)本體是讀懂所有代碼的前提實(shí)驗(yàn)中反復(fù)出現(xiàn)的多項(xiàng)式并非隨意構(gòu)造而是有明確數(shù)學(xué)定義的$$ f(x) 1 2x 3x^2 4x^3 \cdots 10001x^{10000} \sum_{k0}^{10000} (k1) x^k $$注意三點(diǎn)關(guān)鍵細(xì)節(jié)系數(shù)規(guī)律第 $k$ 項(xiàng)$k$ 從0開始的系數(shù)是 $(k1)$不是 $k$。所以常數(shù)項(xiàng)是 $1$一次項(xiàng)是 $2x$二次項(xiàng)是 $3x^2$……最高次項(xiàng)是 $10001x^{10000}$。項(xiàng)數(shù)確認(rèn)從 $k0$ 到 $k10000$共10001 項(xiàng)。源碼中range(10000)循環(huán)了10000次但起始項(xiàng)sum 1已包含常數(shù)項(xiàng)因此總項(xiàng)數(shù)正確。秦九韶變形依據(jù)該多項(xiàng)式可重寫為嵌套形式 $$ f(x) 1 x\left(2 x\left(3 x\left(\cdots x\left(10000 x \cdot 10001\right)\cdots\right)\right)\right) $$ 這正是exp2_qin.py中S x*S i的數(shù)學(xué)來(lái)源其中i從10000遞減到1最后一步隱含1常數(shù)項(xiàng)。不厘清這個(gè)看代碼就會(huì)像在讀天書——比如看到S x*S i時(shí)疑惑“為什么i從10000開始”答案就藏在這個(gè)展開式里。2.3 核心數(shù)據(jù)記錄機(jī)制如何讓“運(yùn)算次數(shù)”從理論走向?qū)崪y(cè)實(shí)驗(yàn)報(bào)告里那張漂亮的對(duì)比表格表1不是靠人腦心算出來(lái)的而是代碼里埋好的“計(jì)數(shù)器”實(shí)時(shí)吐出的。這是本項(xiàng)目最值得拆解的設(shè)計(jì)細(xì)節(jié)直接法的計(jì)數(shù)盲區(qū)exp2_direct.py中只用了time.perf_counter()并未統(tǒng)計(jì)乘法/加法次數(shù)它依賴的是Python解釋器執(zhí)行x**(n1)和sum ...時(shí)底層C實(shí)現(xiàn)的運(yùn)算量屬于“黑盒測(cè)量”。這恰恰暴露了一個(gè)教學(xué)重點(diǎn)理論復(fù)雜度O(n2)和實(shí)際耗時(shí)之間隔著硬件、編譯器優(yōu)化、冪運(yùn)算實(shí)現(xiàn)等多重黑匣子。秦九韶法的白盒計(jì)數(shù)exp2_qin.py則完全不同。它用兩個(gè)整型變量countMul和countAdd在每次執(zhí)行S x*S i時(shí)手動(dòng)1。因?yàn)檫@條語(yǔ)句明確包含1次乘法x*S和1次加法 i且循環(huán)10000次所以最終countMul countAdd 10000。這是真正的“白盒驗(yàn)證”把算法步驟和機(jī)器指令一一映射。二分法的日志契約exp3_bisection.py的file_handle.writelines(...)不是隨便寫的。格式字符串{:.15g} {:.15g} {:.15g} {:.15g} {:.15g}\n確保了5列數(shù)據(jù)迭代序號(hào)、xlow、xup、middle、符號(hào)標(biāo)識(shí)以緊湊、無(wú)科學(xué)計(jì)數(shù)法、保留15位有效數(shù)字的方式寫入方便后續(xù)用pandas.read_csv()或Excel直接識(shí)別為數(shù)值列。這種“計(jì)數(shù)方式”的差異本身就是一堂關(guān)于測(cè)量方法論的課什么時(shí)候該信理論推導(dǎo)什么時(shí)候必須親手埋點(diǎn)3. 核心模塊逐行解析從秦九韶的嵌套邏輯到二分法的區(qū)間收縮現(xiàn)在我們沉到代碼最深處一行行拆解這兩個(gè)最具教學(xué)價(jià)值的模塊。不講原理只講這一行代碼在做什么、為什么這么寫、改哪里會(huì)翻車。3.1 秦九韶算法實(shí)現(xiàn)exp2_qin.py的12行如何完成10000次降維打擊import time x 2 powN 10000 aN powN 1 # aN 10001, 即最高次項(xiàng)系數(shù) countMul 0 countAdd 0 length 0 start time.perf_counter() S aN # 初始化 S 10001 (最高次項(xiàng)系數(shù)) for i in range(10000, 0, -1): # i 從 10000 遞減到 1 S x * S i # 關(guān)鍵S_{k} x * S_{k1} a_k countAdd 1 countMul 1 end time.perf_counter() length len(str(S)) print(result, S) print(乘法次數(shù), countMul) print(加法次數(shù), countAdd) print(length, length) print(time%.2g 秒\n % (end-start))逐行邏輯說(shuō)明與參數(shù)深挖S aN初始化S為最高次項(xiàng)系數(shù)10001。這是秦九韶算法的起點(diǎn)對(duì)應(yīng)公式中最內(nèi)層括號(hào)(... x * 10001)里的10001。for i in range(10000, 0, -1)循環(huán)變量i代表當(dāng)前要加入的低一次項(xiàng)的系數(shù)。當(dāng)i10000時(shí)計(jì)算的是x*10001 10000即10000x 10001x2的合并當(dāng)i1時(shí)計(jì)算的是x*S_prev 1即最終加上常數(shù)項(xiàng)1。注意range(10000, 0, -1)生成的是[10000, 9999, ..., 1]共10000個(gè)數(shù)完美覆蓋從x^1到x^{10000}的所有中間系數(shù)常數(shù)項(xiàng)1在最后一次i中加入。S x * S i這是整個(gè)算法的靈魂。它把高次冪的重復(fù)計(jì)算壓縮成一次乘法加一次加法。x * S是將上一輪累積的“高次部分”整體左移一位相當(dāng)于乘以x i是補(bǔ)上當(dāng)前階數(shù)的系數(shù)。此行執(zhí)行1次乘法、1次加法故countMul和countAdd各1。length len(str(S))這是教學(xué)場(chǎng)景下的取巧方案。對(duì)整數(shù)Sstr(S)返回其十進(jìn)制字符串len即位數(shù)。但對(duì)浮點(diǎn)數(shù)或極大數(shù)會(huì)失效如S超過(guò)10**308會(huì)變infstr(inf)長(zhǎng)度為3。生產(chǎn)環(huán)境應(yīng)改用math.floor(math.log10(abs(S))) 1但此處為突出“有效數(shù)字”概念用字符串長(zhǎng)度更直觀。血淚經(jīng)驗(yàn)初學(xué)者常把range寫成range(10000, 1, -1)導(dǎo)致i只到2漏掉i1結(jié)果少了常數(shù)項(xiàng)1整個(gè)結(jié)果偏小。務(wù)必記住range(start, stop, step)的stop是不包含的邊界。3.2 二分法迭代引擎exp3_bisection.py如何用18行代碼跑出17次收斂a 2 LIMIT 1e-20 def f(x): return x*x - a # 求 sqrt(2)即解 x^2 - 2 0 xlow float(input(請(qǐng)輸入 x 值的下限)) xup float(input(請(qǐng)輸入 x 值的上限)) iter 0 while (xup - xlow) * (xup - xlow) LIMIT: # 收斂條件區(qū)間長(zhǎng)度平方 LIMIT middle (xup xlow) / 2 iter 1 if f(xlow) * f(middle) 0: # f(xlow) 與 f(middle) 異號(hào) → 根在 [xlow, middle] xup middle if f(xup) * f(middle) 0: # f(xup) 與 f(middle) 異號(hào) → 根在 [middle, xup] xlow middle S1 (xup xlow) / 2 S f(S1) if S 0: S 1 elif S 0: S 0 else: S -1 file_handle open(1.txt, modea) file_handle.writelines({:.15g} {:.15g} {:.15g} {:.15g} {:.15g}\n.format(iter,xlow,xup,S1,S)) print({:.15g} {:.15g} {:.15g} {:.15g} {:.15g}.format(iter,xlow,xup,S1,S))逐行邏輯說(shuō)明與參數(shù)深挖while (xup - xlow) * (xup - xlow) LIMIT收斂判斷用區(qū)間長(zhǎng)度的平方而非長(zhǎng)度本身。這是為避免浮點(diǎn)數(shù)比較時(shí)因精度丟失導(dǎo)致死循環(huán)。LIMIT 1e-20是極高的精度要求意味著最終區(qū)間長(zhǎng)度 1e-10因?yàn)?1e-10)^2 1e-20。若改為xup - xlow LIMIT在xup和xlow接近1.4142...時(shí)xup - xlow可能因浮點(diǎn)舍入永遠(yuǎn)無(wú)法小于1e-20導(dǎo)致無(wú)限循環(huán)。if f(xlow) * f(middle) 0和if f(xup) * f(middle) 0這里用乘積判別法替代f(xlow) 0 and f(middle) 0等顯式比較是為了規(guī)避f(x)恰好為0的邊界情況此時(shí)乘積為0不滿足 0不會(huì)誤更新。但要注意若f(xlow)或f(middle)為0則已找到精確根理想情況應(yīng)break但本代碼未處理屬教學(xué)簡(jiǎn)化。S f(S1)后的if-elif-else塊這是對(duì)f(S1)符號(hào)的離散化編碼0→10→00→-1。寫入日志的第五列就是這個(gè)編碼值方便后續(xù)用腳本統(tǒng)計(jì)“正負(fù)交替次數(shù)”。這不是數(shù)學(xué)必需而是為生成可分析日志做的數(shù)據(jù)工程設(shè)計(jì)。file_handle open(1.txt, modea)a模式是關(guān)鍵。它保證每次運(yùn)行都追加到文件末尾不會(huì)覆蓋歷史數(shù)據(jù)。若用w模式每次運(yùn)行都會(huì)清空重寫無(wú)法積累多組實(shí)驗(yàn)數(shù)據(jù)。這是實(shí)驗(yàn)可復(fù)現(xiàn)性的基礎(chǔ)設(shè)施保障。避坑 / 常見問(wèn)題 / 排查現(xiàn)象1運(yùn)行exp3_bisection.py時(shí)輸入xlow1.3,xup1.5后程序卡住不動(dòng)CPU占用率飆升。原因LIMIT 1e-20過(guò)于嚴(yán)苛而float在Python中雙精度浮點(diǎn)數(shù)的有效位數(shù)約15-17位。當(dāng)xup和xlow逼近sqrt(2)時(shí)(xup - xlow)的差值可能無(wú)法被精確表示導(dǎo)致while條件永遠(yuǎn)為真。解決將LIMIT放寬至1e-13或改用abs(xup - xlow) 1e-13并配合math.isclose()做更魯棒判斷?，F(xiàn)象21.txt文件里迭代次數(shù)iter從1開始但第一行日志顯示iter0。原因代碼中iter 1在while循環(huán)體開頭執(zhí)行而print和writelines在循環(huán)體結(jié)尾。但實(shí)驗(yàn)報(bào)告表2的第一行標(biāo)為“0”對(duì)應(yīng)初始輸入狀態(tài)。本代碼并未記錄初始狀態(tài)表2的“0”行是人工添加的。若需自動(dòng)記錄應(yīng)在while循環(huán)前加一行file_handle.writelines(0 {:.15g} {:.15g} {:.15g} 0\n.format(xlow,xup,(xlowxup)/2))?，F(xiàn)象3f(xlow)*f(middle) 0判斷失效xup和xlow不再收縮陷入死循環(huán)。原因f(x)在區(qū)間內(nèi)不連續(xù)或存在多個(gè)根導(dǎo)致符號(hào)變化不滿足二分法前提f(xlow)*f(xup) 0。本例f(x)x^2-2在[1.3,1.5]內(nèi)嚴(yán)格單調(diào)無(wú)此問(wèn)題但若換成f(x)x^3-x在[-2,2]內(nèi)就有3個(gè)根二分法可能收斂到任意一個(gè)。解決在while循環(huán)前強(qiáng)制校驗(yàn)f(xlow)*f(xup) 0不滿足則print(Error: f(xlow) and f(xup) must have opposite signs!)并exit()?，F(xiàn)象41.txt文件中S1即(xupxlow)/2的值出現(xiàn)nan或inf。原因xup或xlow因浮點(diǎn)溢出變?yōu)閕nf導(dǎo)致S1計(jì)算失敗。常見于LIMIT過(guò)小且循環(huán)次數(shù)過(guò)多時(shí)。解決在while循環(huán)內(nèi)加入保護(hù)if math.isinf(xup) or math.isinf(xlow): break或限制最大迭代次數(shù)if iter 1000: break。4. 本地運(yùn)行全流程從環(huán)境準(zhǔn)備到結(jié)果驗(yàn)證一步不跳過(guò)現(xiàn)在讓我們把前面所有的理解落地為一次完整的、可復(fù)現(xiàn)的本地運(yùn)行。這不是“復(fù)制粘貼就能跑”而是帶著問(wèn)題意識(shí)去執(zhí)行每一個(gè)命令。4.1 環(huán)境準(zhǔn)備確認(rèn)你的Python版本與基礎(chǔ)能力首先打開終端Windows用CMD/PowerShellmacOS/Linux用Terminal執(zhí)行python --version確保輸出為Python 3.7或更高版本推薦3.8。低于3.7可能缺少time.perf_counter()的高精度支持。接著確認(rèn)你能在終端中執(zhí)行Python腳本python -c print(Hello from Python!)如果報(bào)錯(cuò)command not found請(qǐng)先配置Python環(huán)境變量搜索“Windows 添加Python到PATH”即可找到圖文教程。這步看似簡(jiǎn)單卻是90%新手卡住的第一關(guān)。4.2 創(chuàng)建實(shí)驗(yàn)?zāi)夸洸⒎胖么a在任意位置如桌面新建一個(gè)文件夾命名為gdut_numexp1。進(jìn)入該文件夾# Windows PowerShell cd Desktop\gdut_numexp1 # macOS/Linux Terminal cd ~/Desktop/gdut_numexp1然后用文本編輯器推薦 VS Code、Sublime Text 或系統(tǒng)自帶記事本創(chuàng)建三個(gè)文件exp2_direct.py粘貼實(shí)驗(yàn)報(bào)告中“算法1源代碼”全部?jī)?nèi)容。exp2_qin.py粘貼“算法2源代碼”全部?jī)?nèi)容。exp3_bisection.py粘貼“算法源代碼”全部?jī)?nèi)容即二分法部分。注意不要從PDF復(fù)制PDF中的空格、破折號(hào)—可能被轉(zhuǎn)為全角字符導(dǎo)致Python語(yǔ)法錯(cuò)誤。務(wù)必手動(dòng)敲寫或從純文本源復(fù)制。4.3 執(zhí)行算法對(duì)比實(shí)驗(yàn)親眼見證秦九韶的威力在gdut_numexp1目錄下依次運(yùn)行兩個(gè)多項(xiàng)式腳本。為便于觀察我們先統(tǒng)一測(cè)試x2報(bào)告中耗時(shí)最長(zhǎng)的case# 運(yùn)行直接法 python exp2_direct.py # 運(yùn)行秦九韶法 python exp2_qin.py你會(huì)看到類似這樣的輸出# exp2_direct.py 輸出 result 3015 位有效數(shù)字 time0.142 秒 # exp2_qin.py 輸出 result 3015 位有效數(shù)字 乘法次數(shù) 10000 加法次數(shù) 10000 length 3015 time0.033 秒關(guān)鍵驗(yàn)證點(diǎn)result值是否一致應(yīng)完全相同證明兩種算法數(shù)學(xué)等價(jià)time是否qin direct應(yīng)顯著快于驗(yàn)證算法優(yōu)勢(shì)exp2_qin.py是否輸出了乘法次數(shù)和加法次數(shù)應(yīng)均為10000驗(yàn)證白盒計(jì)數(shù)提示若exp2_direct.py的time顯示0.0說(shuō)明耗時(shí)太短perf_counter()分辨率不夠。可將x改為2.0顯式浮點(diǎn)或在循環(huán)內(nèi)加pass增加負(fù)載但教學(xué)目的已達(dá)不必強(qiáng)求。4.4 執(zhí)行二分法實(shí)驗(yàn)生成并分析1.txt日志運(yùn)行二分法腳本python exp3_bisection.py按提示輸入請(qǐng)輸入 x 值的下限1.3 請(qǐng)輸入 x 值的上限1.5程序?qū)⒋蛴?7行迭代數(shù)據(jù)并在當(dāng)前目錄生成1.txt。用文本編輯器打開它你應(yīng)該看到1 1.4 1.5 1.45 1 2 1.4 1.45 1.425 1 3 1.4 1.425 1.4125 0 ...驗(yàn)證日志有效性第一列iter是否從1遞增到17第二、三列xlow/xup是否呈現(xiàn)“區(qū)間不斷縮小”的趨勢(shì)如1.4→1.4125→1.4140625...第四列S1是否穩(wěn)定收斂到1.414213562...即√2的近似值第五列S是否在0和1之間交替代表f(S1)符號(hào)在正負(fù)間切換若一切符合恭喜你已成功復(fù)現(xiàn)了整個(gè)實(shí)驗(yàn)流程。1.txt就是你親手生成的、可導(dǎo)入Excel畫收斂曲線的原始數(shù)據(jù)。5. 二次開發(fā)實(shí)戰(zhàn)從“跑通”到“為我所用”的5個(gè)改造技巧這份實(shí)驗(yàn)代碼的價(jià)值遠(yuǎn)不止于交作業(yè)。它是一塊打磨數(shù)值編程手感的磨刀石。下面這5個(gè)改造都是我在某高校實(shí)驗(yàn)室?guī)W(xué)生時(shí)被問(wèn)得最多、也最能提升工程能力的問(wèn)題。每個(gè)都附帶可直接粘貼的代碼片段和驗(yàn)證方法。5.1 技巧1把硬編碼的x值改成命令行參數(shù)告別反復(fù)改源碼現(xiàn)狀x 2寫死在代碼里想測(cè)x0.1得手動(dòng)改、保存、再運(yùn)行。改造用sys.argv讀取命令行參數(shù)。# 修改 exp2_direct.py 和 exp2_qin.py 的開頭部分 import time import sys # 替換原來(lái)的 x 2 if len(sys.argv) 1: x float(sys.argv[1]) else: x 2.0 # 默認(rèn)值驗(yàn)證python exp2_qin.py 0.1 # 測(cè)試 x0.1 python exp2_qin.py 1 # 測(cè)試 x1從那以后我每次寫數(shù)值實(shí)驗(yàn)?zāi)_本都強(qiáng)制走一遍sys.argv參數(shù)化。因?yàn)檎鎸?shí)科研中參數(shù)組合可能是x[0.1,1,2,10],n[1000,5000,10000]的笛卡爾積手動(dòng)改是反人類的。5.2 技巧2用matplotlib畫出收斂曲線讓“17次迭代”變成一張圖現(xiàn)狀1.txt是純文本收斂過(guò)程靠肉眼掃。改造用pandas讀取日志用matplotlib繪圖。# 新建 plot_convergence.py import pandas as pd import matplotlib.pyplot as plt # 讀取日志指定列名 df pd.read_csv(1.txt, sep\s, headerNone, names[iter, xlow, xup, middle, sign]) # 計(jì)算每次迭代的區(qū)間長(zhǎng)度和 middle 與 sqrt(2) 的誤差 import math true_root math.sqrt(2) df[interval_len] df[xup] - df[xlow] df[error] abs(df[middle] - true_root) # 繪圖 fig, ax1 plt.subplots() color tab:red ax1.set_xlabel(Iteration) ax1.set_ylabel(Interval Length, colorcolor) ax1.semilogy(df[iter], df[interval_len], colorcolor, labelInterval Length) ax1.tick_params(axisy, labelcolorcolor) ax2 ax1.twinx() # 共享x軸 color tab:blue ax2.set_ylabel(Error to √2, colorcolor) ax2.semilogy(df[iter], df[error], colorcolor, linestyle--, labelError) ax2.tick_params(axisy, labelcolorcolor) fig.tight_layout() plt.title(Bisection Method Convergence) plt.show()運(yùn)行python plot_convergence.py將彈出一張雙Y軸對(duì)數(shù)圖清晰展示區(qū)間長(zhǎng)度和誤差如何隨迭代指數(shù)衰減。這張圖比17行數(shù)字更有說(shuō)服力。5.3 技巧3把二分法封裝成函數(shù)支持任意f(x)和任意區(qū)間現(xiàn)狀exp3_bisection.py只能解x^2-20。改造抽離為通用函數(shù)bisection(f, a, b, tol1e-10, max_iter100)。def bisection(f, a, b, tol1e-10, max_iter100): 通用二分法求根 :param f: 目標(biāo)函數(shù)接受單個(gè)float參數(shù) :param a, b: 初始區(qū)間端點(diǎn)要求 f(a)*f(b) 0 :param tol: 收斂容差區(qū)間長(zhǎng)度 :param max_iter: 最大迭代次數(shù) :return: (root, iter_count, history_list) if f(a) * f(b) 0: raise ValueError(f(a) and f(b) must have opposite signs) history [] for i in range(max_iter): c (a b) / 2 fc f(c) history.append((i1, a, b, c, 1 if fc 0 else 0 if fc 0 else -1)) if abs(b - a) tol: return c, i1, history if f(a) * fc 0: b c else: a c return (a b) / 2, max_iter, history # 使用示例解 sin(x) 0 在 [3, 4] 內(nèi)的根即 π import math root, iters, log bisection(lambda x: math.sin(x), 3, 4) print(fRoot ≈ {root}, found in {iters} iterations)從那以后我每次遇到新方程第一反應(yīng)不是寫新腳本而是調(diào)用這個(gè)bisection()函數(shù)。它把算法邏輯和業(yè)務(wù)邏輯徹底分離這才是工程思維的起點(diǎn)。5.4 技巧4為秦九韶算法增加“系數(shù)數(shù)組”輸入讓它不再只認(rèn)1,2,3,...,10001現(xiàn)狀exp2_qin.py的系數(shù)是硬編碼的遞增序列。改造接受任意系數(shù)列表coeffs [a0, a1, a2, ..., an]。def qin_shao(coeffs, x): 秦九韶算法通用實(shí)現(xiàn) :param coeffs: 系數(shù)列表coeffs[i] 是 x^i 的系數(shù) :param x: 自變量值 :return: 多項(xiàng)式在 x 處的值 if not coeffs: return 0 S coeffs[-1] # 從最高次項(xiàng)系數(shù)開始 # 從倒數(shù)第二項(xiàng)開始向前遍歷 for i in range(len(coeffs)-2, -1, -1): S x * S coeffs[i] return S # 測(cè)試計(jì)算 f(x) 2 3x 5x^2 在 x2 處的值 coeffs [2, 3, 5] # a02, a13, a25 result qin_shao(coeffs, 2) # 應(yīng)等于 2 3*2 5*4 28 print(result) # 28驗(yàn)證qin_shao([1,2,3,4], 1)應(yīng)等于123410qin_shao([1,0,0,1], 2)應(yīng)等于1 0*2 0*4 1*8 9。這個(gè)函數(shù)讓你能把任何多項(xiàng)式丟給秦九韶而不必再推導(dǎo)嵌套公式。5.5 技巧5用pytest寫單元測(cè)試讓“結(jié)果正確”不再是口頭承諾現(xiàn)狀正確性靠肉眼比對(duì)result后的數(shù)字。改造為關(guān)鍵函數(shù)寫自動(dòng)化測(cè)試。# test_numexp.py import pytest from exp2_qin import qin_shao # 假設(shè)你已將 qin_shao 提取為獨(dú)立函數(shù) def test_qin_shao_constant(): assert qin_shao([5], 10) 5 def test_qin_shao_linear(): assert qin_shao([1, 2], 3) 1 2*3 # 7 def test_qin_shao_quadratic(): assert qin_shao([1, -2, 1], 2) 1 - 2*2 1*4 # 1 def test_bisection_sqrt2(): from exp3_bisection import bisection root, _, _ bisection(lambda x: x*x - 2, 1.3, 1.5) assert abs(root - 1.41421356237) 1e-10運(yùn)行pytest test_numexp.py -v。如果所有測(cè)試通過(guò)你就可以確信無(wú)論代碼怎么改核心邏輯的正確性已被機(jī)器守護(hù)。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取 秦九韶算法與二分法Python實(shí)戰(zhàn)：算法復(fù)雜度可視化驗(yàn)證
簡(jiǎn)介本資源是廣東工業(yè)大學(xué)《數(shù)值分析》課程Python實(shí)驗(yàn)一的完整報(bào)告文檔面向數(shù)學(xué)與計(jì)算機(jī)相關(guān)專業(yè)本科生聚焦算法效率對(duì)比與非線性方程求解兩大核心數(shù)值計(jì)算問(wèn)題。文檔以實(shí)驗(yàn)報(bào)告形式系統(tǒng)呈現(xiàn)第一部分通過(guò)直接法與秦九韶算法計(jì)算高次多項(xiàng)式最高10000次詳列x0.1/1/2三組測(cè)試下的乘法/加法次數(shù)及運(yùn)行時(shí)間對(duì)比直觀揭示秦九韶算法在大幅降低運(yùn)算復(fù)雜度上的優(yōu)勢(shì)第二部分實(shí)現(xiàn)二分法求解x2?20完整記錄17次迭代過(guò)程、區(qū)間縮放邏輯及函數(shù)值符號(hào)判定規(guī)則并附可運(yùn)行Python源碼。資源為1個(gè)29KB的docx文件結(jié)構(gòu)清晰含實(shí)驗(yàn)?zāi)康摹⑺惴ㄔ?、結(jié)果表格、代碼實(shí)現(xiàn)與深度討論便于理解算法思想與編程實(shí)踐。目前已有211人學(xué)習(xí)下載適合數(shù)值分析初學(xué)者鞏固理論、提升Python數(shù)值編程能力。1. 這不是“寫個(gè)for循環(huán)就交作業(yè)”的數(shù)值實(shí)驗(yàn)它用兩個(gè)真實(shí)可跑的Python腳本把算法復(fù)雜度從“玄學(xué)概念”變成終端里跳動(dòng)的毫秒數(shù)和乘法計(jì)數(shù)器你有沒有在寫完一個(gè)多項(xiàng)式求值函數(shù)后被導(dǎo)師問(wèn)過(guò)“x2時(shí)你這段代碼到底執(zhí)行了多少次乘法”——不是理論推導(dǎo)是真·數(shù)出來(lái)。廣東工業(yè)大學(xué)這份Python數(shù)值分析實(shí)驗(yàn)一就是干這個(gè)的它不講大道理直接甩給你兩段能跑、能改、能測(cè)、能對(duì)著表格逐行驗(yàn)證的代碼——一段是教科書級(jí)的“暴力直球”直接法一段是古籍里走出來(lái)的“降維打擊”秦九韶算法再加一個(gè)手搓二分法求根的完整迭代日志生成器。它面向的是剛學(xué)完for和def、但還沒見過(guò)“浮點(diǎn)誤差怎么吃掉你第15位有效數(shù)字”的人也面向那些想拿它當(dāng)模板快速搭起自己數(shù)值方法驗(yàn)證框架的開發(fā)者。所有代碼都在本地Python 3.8環(huán)境一鍵可跑不需要任何第三方包連numpy都不用——因?yàn)樗脑O(shè)計(jì)哲學(xué)很樸素讓計(jì)算代價(jià)肉眼可見讓算法優(yōu)劣不再靠背誦而靠time.perf_counter()打出來(lái)的那個(gè)小數(shù)點(diǎn)后四位。2. 項(xiàng)目結(jié)構(gòu)與技術(shù)棧純Python輕量級(jí)數(shù)值驗(yàn)證套件零依賴、全手動(dòng)、重過(guò)程這份實(shí)驗(yàn)資源不是工程級(jí)項(xiàng)目而是一個(gè)高度聚焦的教學(xué)驗(yàn)證套件。它沒有requirements.txt沒有setup.py甚至沒有子目錄——所有邏輯都?jí)涸谌齻€(gè)獨(dú)立.py文件里對(duì)應(yīng)實(shí)驗(yàn)報(bào)告中的三大模塊。但它對(duì)Python語(yǔ)言特性的運(yùn)用非常扎實(shí)精準(zhǔn)使用time.perf_counter()而非time.time()做高精度計(jì)時(shí)用len(str(x))粗略估算有效數(shù)字位數(shù)雖有浮點(diǎn)表示局限但教學(xué)場(chǎng)景下足夠直觀用open(1.txt, a)持續(xù)追加寫入二分法迭代軌跡形成可直接拖進(jìn)Excel分析的結(jié)構(gòu)化日志。整個(gè)技術(shù)棧就是Python標(biāo)準(zhǔn)庫(kù)的“核心四件套”time計(jì)時(shí)、math雖未顯式import但x*x即其子集、builtinsprint,len,range,input、io文件讀寫。沒有魔法全是肌肉記憶級(jí)別的基礎(chǔ)操作——這恰恰是它能被快速?gòu)?fù)現(xiàn)、深度改造的根本原因。2.1 文件清單與職責(zé)劃分三文件即三戰(zhàn)場(chǎng)整個(gè)資源解壓后只有3個(gè).py文件命名直白無(wú)歧義文件名對(duì)應(yīng)實(shí)驗(yàn)核心職責(zé)是否含輸入交互exp2_direct.py實(shí)驗(yàn)2算法1直接法計(jì)算 $ f(x) \sum_{k0}^{10000} (k1)x^k $統(tǒng)計(jì)乘法/加法次數(shù)、耗時(shí)、結(jié)果長(zhǎng)度否x值硬編碼exp2_qin.py實(shí)驗(yàn)2算法2秦九韶算法同一多項(xiàng)式用嵌套乘法形式 $ f(x) 1 x(2 x(3 \cdots x(10001)\cdots)) $ 實(shí)現(xiàn)精確計(jì)數(shù)乘加次數(shù)否x值硬編碼exp3_bisection.py實(shí)驗(yàn)3二分法求解 $ f(x)x^2-20 $ 在[1.3,1.5]內(nèi)的根實(shí)時(shí)打印迭代過(guò)程并追加寫入1.txt是需手動(dòng)輸入上下限提示三個(gè)文件彼此完全解耦可單獨(dú)運(yùn)行、單獨(dú)修改、單獨(dú)計(jì)時(shí)。不要試圖把它們合并成一個(gè)主程序——實(shí)驗(yàn)設(shè)計(jì)的本意就是讓你隔離對(duì)比而不是封裝調(diào)用。2.2 多項(xiàng)式定義的隱含契約理解f(x)的數(shù)學(xué)本體是讀懂所有代碼的前提實(shí)驗(yàn)中反復(fù)出現(xiàn)的多項(xiàng)式并非隨意構(gòu)造而是有明確數(shù)學(xué)定義的$$ f(x) 1 2x 3x^2 4x^3 \cdots 10001x^{10000} \sum_{k0}^{10000} (k1) x^k $$注意三點(diǎn)關(guān)鍵細(xì)節(jié)系數(shù)規(guī)律第 $k$ 項(xiàng)$k$ 從0開始的系數(shù)是 $(k1)$不是 $k$。所以常數(shù)項(xiàng)是 $1$一次項(xiàng)是 $2x$二次項(xiàng)是 $3x^2$……最高次項(xiàng)是 $10001x^{10000}$。項(xiàng)數(shù)確認(rèn)從 $k0$ 到 $k10000$共10001 項(xiàng)。源碼中range(10000)循環(huán)了10000次但起始項(xiàng)sum 1已包含常數(shù)項(xiàng)因此總項(xiàng)數(shù)正確。秦九韶變形依據(jù)該多項(xiàng)式可重寫為嵌套形式 $$ f(x) 1 x\left(2 x\left(3 x\left(\cdots x\left(10000 x \cdot 10001\right)\cdots\right)\right)\right) $$ 這正是exp2_qin.py中S x*S i的數(shù)學(xué)來(lái)源其中i從10000遞減到1最后一步隱含1常數(shù)項(xiàng)。不厘清這個(gè)看代碼就會(huì)像在讀天書——比如看到S x*S i時(shí)疑惑“為什么i從10000開始”答案就藏在這個(gè)展開式里。2.3 核心數(shù)據(jù)記錄機(jī)制如何讓“運(yùn)算次數(shù)”從理論走向?qū)崪y(cè)實(shí)驗(yàn)報(bào)告里那張漂亮的對(duì)比表格表1不是靠人腦心算出來(lái)的而是代碼里埋好的“計(jì)數(shù)器”實(shí)時(shí)吐出的。這是本項(xiàng)目最值得拆解的設(shè)計(jì)細(xì)節(jié)直接法的計(jì)數(shù)盲區(qū)exp2_direct.py中只用了time.perf_counter()并未統(tǒng)計(jì)乘法/加法次數(shù)它依賴的是Python解釋器執(zhí)行x**(n1)和sum ...時(shí)底層C實(shí)現(xiàn)的運(yùn)算量屬于“黑盒測(cè)量”。這恰恰暴露了一個(gè)教學(xué)重點(diǎn)理論復(fù)雜度O(n2)和實(shí)際耗時(shí)之間隔著硬件、編譯器優(yōu)化、冪運(yùn)算實(shí)現(xiàn)等多重黑匣子。秦九韶法的白盒計(jì)數(shù)exp2_qin.py則完全不同。它用兩個(gè)整型變量countMul和countAdd在每次執(zhí)行S x*S i時(shí)手動(dòng)1。因?yàn)檫@條語(yǔ)句明確包含1次乘法x*S和1次加法 i且循環(huán)10000次所以最終countMul countAdd 10000。這是真正的“白盒驗(yàn)證”把算法步驟和機(jī)器指令一一映射。二分法的日志契約exp3_bisection.py的file_handle.writelines(...)不是隨便寫的。格式字符串{:.15g} {:.15g} {:.15g} {:.15g} {:.15g}\n確保了5列數(shù)據(jù)迭代序號(hào)、xlow、xup、middle、符號(hào)標(biāo)識(shí)以緊湊、無(wú)科學(xué)計(jì)數(shù)法、保留15位有效數(shù)字的方式寫入方便后續(xù)用pandas.read_csv()或Excel直接識(shí)別為數(shù)值列。這種“計(jì)數(shù)方式”的差異本身就是一堂關(guān)于測(cè)量方法論的課什么時(shí)候該信理論推導(dǎo)什么時(shí)候必須親手埋點(diǎn)3. 核心模塊逐行解析從秦九韶的嵌套邏輯到二分法的區(qū)間收縮現(xiàn)在我們沉到代碼最深處一行行拆解這兩個(gè)最具教學(xué)價(jià)值的模塊。不講原理只講這一行代碼在做什么、為什么這么寫、改哪里會(huì)翻車。3.1 秦九韶算法實(shí)現(xiàn)exp2_qin.py的12行如何完成10000次降維打擊import time x 2 powN 10000 aN powN 1 # aN 10001, 即最高次項(xiàng)系數(shù) countMul 0 countAdd 0 length 0 start time.perf_counter() S aN # 初始化 S 10001 (最高次項(xiàng)系數(shù)) for i in range(10000, 0, -1): # i 從 10000 遞減到 1 S x * S i # 關(guān)鍵S_{k} x * S_{k1} a_k countAdd 1 countMul 1 end time.perf_counter() length len(str(S)) print(result, S) print(乘法次數(shù), countMul) print(加法次數(shù), countAdd) print(length, length) print(time%.2g 秒\n % (end-start))逐行邏輯說(shuō)明與參數(shù)深挖S aN初始化S為最高次項(xiàng)系數(shù)10001。這是秦九韶算法的起點(diǎn)對(duì)應(yīng)公式中最內(nèi)層括號(hào)(... x * 10001)里的10001。for i in range(10000, 0, -1)循環(huán)變量i代表當(dāng)前要加入的低一次項(xiàng)的系數(shù)。當(dāng)i10000時(shí)計(jì)算的是x*10001 10000即10000x 10001x2的合并當(dāng)i1時(shí)計(jì)算的是x*S_prev 1即最終加上常數(shù)項(xiàng)1。注意range(10000, 0, -1)生成的是[10000, 9999, ..., 1]共10000個(gè)數(shù)完美覆蓋從x^1到x^{10000}的所有中間系數(shù)常數(shù)項(xiàng)1在最后一次i中加入。S x * S i這是整個(gè)算法的靈魂。它把高次冪的重復(fù)計(jì)算壓縮成一次乘法加一次加法。x * S是將上一輪累積的“高次部分”整體左移一位相當(dāng)于乘以x i是補(bǔ)上當(dāng)前階數(shù)的系數(shù)。此行執(zhí)行1次乘法、1次加法故countMul和countAdd各1。length len(str(S))這是教學(xué)場(chǎng)景下的取巧方案。對(duì)整數(shù)Sstr(S)返回其十進(jìn)制字符串len即位數(shù)。但對(duì)浮點(diǎn)數(shù)或極大數(shù)會(huì)失效如S超過(guò)10**308會(huì)變infstr(inf)長(zhǎng)度為3。生產(chǎn)環(huán)境應(yīng)改用math.floor(math.log10(abs(S))) 1但此處為突出“有效數(shù)字”概念用字符串長(zhǎng)度更直觀。血淚經(jīng)驗(yàn)初學(xué)者常把range寫成range(10000, 1, -1)導(dǎo)致i只到2漏掉i1結(jié)果少了常數(shù)項(xiàng)1整個(gè)結(jié)果偏小。務(wù)必記住range(start, stop, step)的stop是不包含的邊界。3.2 二分法迭代引擎exp3_bisection.py如何用18行代碼跑出17次收斂a 2 LIMIT 1e-20 def f(x): return x*x - a # 求 sqrt(2)即解 x^2 - 2 0 xlow float(input(請(qǐng)輸入 x 值的下限)) xup float(input(請(qǐng)輸入 x 值的上限)) iter 0 while (xup - xlow) * (xup - xlow) LIMIT: # 收斂條件區(qū)間長(zhǎng)度平方 LIMIT middle (xup xlow) / 2 iter 1 if f(xlow) * f(middle) 0: # f(xlow) 與 f(middle) 異號(hào) → 根在 [xlow, middle] xup middle if f(xup) * f(middle) 0: # f(xup) 與 f(middle) 異號(hào) → 根在 [middle, xup] xlow middle S1 (xup xlow) / 2 S f(S1) if S 0: S 1 elif S 0: S 0 else: S -1 file_handle open(1.txt, modea) file_handle.writelines({:.15g} {:.15g} {:.15g} {:.15g} {:.15g}\n.format(iter,xlow,xup,S1,S)) print({:.15g} {:.15g} {:.15g} {:.15g} {:.15g}.format(iter,xlow,xup,S1,S))逐行邏輯說(shuō)明與參數(shù)深挖while (xup - xlow) * (xup - xlow) LIMIT收斂判斷用區(qū)間長(zhǎng)度的平方而非長(zhǎng)度本身。這是為避免浮點(diǎn)數(shù)比較時(shí)因精度丟失導(dǎo)致死循環(huán)。LIMIT 1e-20是極高的精度要求意味著最終區(qū)間長(zhǎng)度 1e-10因?yàn)?1e-10)^2 1e-20。若改為xup - xlow LIMIT在xup和xlow接近1.4142...時(shí)xup - xlow可能因浮點(diǎn)舍入永遠(yuǎn)無(wú)法小于1e-20導(dǎo)致無(wú)限循環(huán)。if f(xlow) * f(middle) 0和if f(xup) * f(middle) 0這里用乘積判別法替代f(xlow) 0 and f(middle) 0等顯式比較是為了規(guī)避f(x)恰好為0的邊界情況此時(shí)乘積為0不滿足 0不會(huì)誤更新。但要注意若f(xlow)或f(middle)為0則已找到精確根理想情況應(yīng)break但本代碼未處理屬教學(xué)簡(jiǎn)化。S f(S1)后的if-elif-else塊這是對(duì)f(S1)符號(hào)的離散化編碼0→10→00→-1。寫入日志的第五列就是這個(gè)編碼值方便后續(xù)用腳本統(tǒng)計(jì)“正負(fù)交替次數(shù)”。這不是數(shù)學(xué)必需而是為生成可分析日志做的數(shù)據(jù)工程設(shè)計(jì)。file_handle open(1.txt, modea)a模式是關(guān)鍵。它保證每次運(yùn)行都追加到文件末尾不會(huì)覆蓋歷史數(shù)據(jù)。若用w模式每次運(yùn)行都會(huì)清空重寫無(wú)法積累多組實(shí)驗(yàn)數(shù)據(jù)。這是實(shí)驗(yàn)可復(fù)現(xiàn)性的基礎(chǔ)設(shè)施保障。避坑 / 常見問(wèn)題 / 排查現(xiàn)象1運(yùn)行exp3_bisection.py時(shí)輸入xlow1.3,xup1.5后程序卡住不動(dòng)CPU占用率飆升。原因LIMIT 1e-20過(guò)于嚴(yán)苛而float在Python中雙精度浮點(diǎn)數(shù)的有效位數(shù)約15-17位。當(dāng)xup和xlow逼近sqrt(2)時(shí)(xup - xlow)的差值可能無(wú)法被精確表示導(dǎo)致while條件永遠(yuǎn)為真。解決將LIMIT放寬至1e-13或改用abs(xup - xlow) 1e-13并配合math.isclose()做更魯棒判斷?，F(xiàn)象21.txt文件里迭代次數(shù)iter從1開始但第一行日志顯示iter0。原因代碼中iter 1在while循環(huán)體開頭執(zhí)行而print和writelines在循環(huán)體結(jié)尾。但實(shí)驗(yàn)報(bào)告表2的第一行標(biāo)為“0”對(duì)應(yīng)初始輸入狀態(tài)。本代碼并未記錄初始狀態(tài)表2的“0”行是人工添加的。若需自動(dòng)記錄應(yīng)在while循環(huán)前加一行file_handle.writelines(0 {:.15g} {:.15g} {:.15g} 0\n.format(xlow,xup,(xlowxup)/2))?，F(xiàn)象3f(xlow)*f(middle) 0判斷失效xup和xlow不再收縮陷入死循環(huán)。原因f(x)在區(qū)間內(nèi)不連續(xù)或存在多個(gè)根導(dǎo)致符號(hào)變化不滿足二分法前提f(xlow)*f(xup) 0。本例f(x)x^2-2在[1.3,1.5]內(nèi)嚴(yán)格單調(diào)無(wú)此問(wèn)題但若換成f(x)x^3-x在[-2,2]內(nèi)就有3個(gè)根二分法可能收斂到任意一個(gè)。解決在while循環(huán)前強(qiáng)制校驗(yàn)f(xlow)*f(xup) 0不滿足則print(Error: f(xlow) and f(xup) must have opposite signs!)并exit()?，F(xiàn)象41.txt文件中S1即(xupxlow)/2的值出現(xiàn)nan或inf。原因xup或xlow因浮點(diǎn)溢出變?yōu)閕nf導(dǎo)致S1計(jì)算失敗。常見于LIMIT過(guò)小且循環(huán)次數(shù)過(guò)多時(shí)。解決在while循環(huán)內(nèi)加入保護(hù)if math.isinf(xup) or math.isinf(xlow): break或限制最大迭代次數(shù)if iter 1000: break。4. 本地運(yùn)行全流程從環(huán)境準(zhǔn)備到結(jié)果驗(yàn)證一步不跳過(guò)現(xiàn)在讓我們把前面所有的理解落地為一次完整的、可復(fù)現(xiàn)的本地運(yùn)行。這不是“復(fù)制粘貼就能跑”而是帶著問(wèn)題意識(shí)去執(zhí)行每一個(gè)命令。4.1 環(huán)境準(zhǔn)備確認(rèn)你的Python版本與基礎(chǔ)能力首先打開終端Windows用CMD/PowerShellmacOS/Linux用Terminal執(zhí)行python --version確保輸出為Python 3.7或更高版本推薦3.8。低于3.7可能缺少time.perf_counter()的高精度支持。接著確認(rèn)你能在終端中執(zhí)行Python腳本python -c print(Hello from Python!)如果報(bào)錯(cuò)command not found請(qǐng)先配置Python環(huán)境變量搜索“Windows 添加Python到PATH”即可找到圖文教程。這步看似簡(jiǎn)單卻是90%新手卡住的第一關(guān)。4.2 創(chuàng)建實(shí)驗(yàn)?zāi)夸洸⒎胖么a在任意位置如桌面新建一個(gè)文件夾命名為gdut_numexp1。進(jìn)入該文件夾# Windows PowerShell cd Desktop\gdut_numexp1 # macOS/Linux Terminal cd ~/Desktop/gdut_numexp1然后用文本編輯器推薦 VS Code、Sublime Text 或系統(tǒng)自帶記事本創(chuàng)建三個(gè)文件exp2_direct.py粘貼實(shí)驗(yàn)報(bào)告中“算法1源代碼”全部?jī)?nèi)容。exp2_qin.py粘貼“算法2源代碼”全部?jī)?nèi)容。exp3_bisection.py粘貼“算法源代碼”全部?jī)?nèi)容即二分法部分。注意不要從PDF復(fù)制PDF中的空格、破折號(hào)—可能被轉(zhuǎn)為全角字符導(dǎo)致Python語(yǔ)法錯(cuò)誤。務(wù)必手動(dòng)敲寫或從純文本源復(fù)制。4.3 執(zhí)行算法對(duì)比實(shí)驗(yàn)親眼見證秦九韶的威力在gdut_numexp1目錄下依次運(yùn)行兩個(gè)多項(xiàng)式腳本。為便于觀察我們先統(tǒng)一測(cè)試x2報(bào)告中耗時(shí)最長(zhǎng)的case# 運(yùn)行直接法 python exp2_direct.py # 運(yùn)行秦九韶法 python exp2_qin.py你會(huì)看到類似這樣的輸出# exp2_direct.py 輸出 result 3015 位有效數(shù)字 time0.142 秒 # exp2_qin.py 輸出 result 3015 位有效數(shù)字 乘法次數(shù) 10000 加法次數(shù) 10000 length 3015 time0.033 秒關(guān)鍵驗(yàn)證點(diǎn)result值是否一致應(yīng)完全相同證明兩種算法數(shù)學(xué)等價(jià)time是否qin direct應(yīng)顯著快于驗(yàn)證算法優(yōu)勢(shì)exp2_qin.py是否輸出了乘法次數(shù)和加法次數(shù)應(yīng)均為10000驗(yàn)證白盒計(jì)數(shù)提示若exp2_direct.py的time顯示0.0說(shuō)明耗時(shí)太短perf_counter()分辨率不夠。可將x改為2.0顯式浮點(diǎn)或在循環(huán)內(nèi)加pass增加負(fù)載但教學(xué)目的已達(dá)不必強(qiáng)求。4.4 執(zhí)行二分法實(shí)驗(yàn)生成并分析1.txt日志運(yùn)行二分法腳本python exp3_bisection.py按提示輸入請(qǐng)輸入 x 值的下限1.3 請(qǐng)輸入 x 值的上限1.5程序?qū)⒋蛴?7行迭代數(shù)據(jù)并在當(dāng)前目錄生成1.txt。用文本編輯器打開它你應(yīng)該看到1 1.4 1.5 1.45 1 2 1.4 1.45 1.425 1 3 1.4 1.425 1.4125 0 ...驗(yàn)證日志有效性第一列iter是否從1遞增到17第二、三列xlow/xup是否呈現(xiàn)“區(qū)間不斷縮小”的趨勢(shì)如1.4→1.4125→1.4140625...第四列S1是否穩(wěn)定收斂到1.414213562...即√2的近似值第五列S是否在0和1之間交替代表f(S1)符號(hào)在正負(fù)間切換若一切符合恭喜你已成功復(fù)現(xiàn)了整個(gè)實(shí)驗(yàn)流程。1.txt就是你親手生成的、可導(dǎo)入Excel畫收斂曲線的原始數(shù)據(jù)。5. 二次開發(fā)實(shí)戰(zhàn)從“跑通”到“為我所用”的5個(gè)改造技巧這份實(shí)驗(yàn)代碼的價(jià)值遠(yuǎn)不止于交作業(yè)。它是一塊打磨數(shù)值編程手感的磨刀石。下面這5個(gè)改造都是我在某高校實(shí)驗(yàn)室?guī)W(xué)生時(shí)被問(wèn)得最多、也最能提升工程能力的問(wèn)題。每個(gè)都附帶可直接粘貼的代碼片段和驗(yàn)證方法。5.1 技巧1把硬編碼的x值改成命令行參數(shù)告別反復(fù)改源碼現(xiàn)狀x 2寫死在代碼里想測(cè)x0.1得手動(dòng)改、保存、再運(yùn)行。改造用sys.argv讀取命令行參數(shù)。# 修改 exp2_direct.py 和 exp2_qin.py 的開頭部分 import time import sys # 替換原來(lái)的 x 2 if len(sys.argv) 1: x float(sys.argv[1]) else: x 2.0 # 默認(rèn)值驗(yàn)證python exp2_qin.py 0.1 # 測(cè)試 x0.1 python exp2_qin.py 1 # 測(cè)試 x1從那以后我每次寫數(shù)值實(shí)驗(yàn)?zāi)_本都強(qiáng)制走一遍sys.argv參數(shù)化。因?yàn)檎鎸?shí)科研中參數(shù)組合可能是x[0.1,1,2,10],n[1000,5000,10000]的笛卡爾積手動(dòng)改是反人類的。5.2 技巧2用matplotlib畫出收斂曲線讓“17次迭代”變成一張圖現(xiàn)狀1.txt是純文本收斂過(guò)程靠肉眼掃。改造用pandas讀取日志用matplotlib繪圖。# 新建 plot_convergence.py import pandas as pd import matplotlib.pyplot as plt # 讀取日志指定列名 df pd.read_csv(1.txt, sep\s, headerNone, names[iter, xlow, xup, middle, sign]) # 計(jì)算每次迭代的區(qū)間長(zhǎng)度和 middle 與 sqrt(2) 的誤差 import math true_root math.sqrt(2) df[interval_len] df[xup] - df[xlow] df[error] abs(df[middle] - true_root) # 繪圖 fig, ax1 plt.subplots() color tab:red ax1.set_xlabel(Iteration) ax1.set_ylabel(Interval Length, colorcolor) ax1.semilogy(df[iter], df[interval_len], colorcolor, labelInterval Length) ax1.tick_params(axisy, labelcolorcolor) ax2 ax1.twinx() # 共享x軸 color tab:blue ax2.set_ylabel(Error to √2, colorcolor) ax2.semilogy(df[iter], df[error], colorcolor, linestyle--, labelError) ax2.tick_params(axisy, labelcolorcolor) fig.tight_layout() plt.title(Bisection Method Convergence) plt.show()運(yùn)行python plot_convergence.py將彈出一張雙Y軸對(duì)數(shù)圖清晰展示區(qū)間長(zhǎng)度和誤差如何隨迭代指數(shù)衰減。這張圖比17行數(shù)字更有說(shuō)服力。5.3 技巧3把二分法封裝成函數(shù)支持任意f(x)和任意區(qū)間現(xiàn)狀exp3_bisection.py只能解x^2-20。改造抽離為通用函數(shù)bisection(f, a, b, tol1e-10, max_iter100)。def bisection(f, a, b, tol1e-10, max_iter100): 通用二分法求根 :param f: 目標(biāo)函數(shù)接受單個(gè)float參數(shù) :param a, b: 初始區(qū)間端點(diǎn)要求 f(a)*f(b) 0 :param tol: 收斂容差區(qū)間長(zhǎng)度 :param max_iter: 最大迭代次數(shù) :return: (root, iter_count, history_list) if f(a) * f(b) 0: raise ValueError(f(a) and f(b) must have opposite signs) history [] for i in range(max_iter): c (a b) / 2 fc f(c) history.append((i1, a, b, c, 1 if fc 0 else 0 if fc 0 else -1)) if abs(b - a) tol: return c, i1, history if f(a) * fc 0: b c else: a c return (a b) / 2, max_iter, history # 使用示例解 sin(x) 0 在 [3, 4] 內(nèi)的根即 π import math root, iters, log bisection(lambda x: math.sin(x), 3, 4) print(fRoot ≈ {root}, found in {iters} iterations)從那以后我每次遇到新方程第一反應(yīng)不是寫新腳本而是調(diào)用這個(gè)bisection()函數(shù)。它把算法邏輯和業(yè)務(wù)邏輯徹底分離這才是工程思維的起點(diǎn)。5.4 技巧4為秦九韶算法增加“系數(shù)數(shù)組”輸入讓它不再只認(rèn)1,2,3,...,10001現(xiàn)狀exp2_qin.py的系數(shù)是硬編碼的遞增序列。改造接受任意系數(shù)列表coeffs [a0, a1, a2, ..., an]。def qin_shao(coeffs, x): 秦九韶算法通用實(shí)現(xiàn) :param coeffs: 系數(shù)列表coeffs[i] 是 x^i 的系數(shù) :param x: 自變量值 :return: 多項(xiàng)式在 x 處的值 if not coeffs: return 0 S coeffs[-1] # 從最高次項(xiàng)系數(shù)開始 # 從倒數(shù)第二項(xiàng)開始向前遍歷 for i in range(len(coeffs)-2, -1, -1): S x * S coeffs[i] return S # 測(cè)試計(jì)算 f(x) 2 3x 5x^2 在 x2 處的值 coeffs [2, 3, 5] # a02, a13, a25 result qin_shao(coeffs, 2) # 應(yīng)等于 2 3*2 5*4 28 print(result) # 28驗(yàn)證qin_shao([1,2,3,4], 1)應(yīng)等于123410qin_shao([1,0,0,1], 2)應(yīng)等于1 0*2 0*4 1*8 9。這個(gè)函數(shù)讓你能把任何多項(xiàng)式丟給秦九韶而不必再推導(dǎo)嵌套公式。5.5 技巧5用pytest寫單元測(cè)試讓“結(jié)果正確”不再是口頭承諾現(xiàn)狀正確性靠肉眼比對(duì)result后的數(shù)字。改造為關(guān)鍵函數(shù)寫自動(dòng)化測(cè)試。# test_numexp.py import pytest from exp2_qin import qin_shao # 假設(shè)你已將 qin_shao 提取為獨(dú)立函數(shù) def test_qin_shao_constant(): assert qin_shao([5], 10) 5 def test_qin_shao_linear(): assert qin_shao([1, 2], 3) 1 2*3 # 7 def test_qin_shao_quadratic(): assert qin_shao([1, -2, 1], 2) 1 - 2*2 1*4 # 1 def test_bisection_sqrt2(): from exp3_bisection import bisection root, _, _ bisection(lambda x: x*x - 2, 1.3, 1.5) assert abs(root - 1.41421356237) 1e-10運(yùn)行pytest test_numexp.py -v。如果所有測(cè)試通過(guò)你就可以確信無(wú)論代碼怎么改核心邏輯的正確性已被機(jī)器守護(hù)。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取