malnm 0.1.0__tar.gz

malnm-0.1.0/.ipynb_checkpoints/README-checkpoint.md

@@ -0,0 +1,3 @@
+# malnm
+
+Библиотека численных методов.

malnm-0.1.0/.ipynb_checkpoints/pyproject-checkpoint.toml

@@ -0,0 +1,23 @@
+[build-system]
+requires = ["hatchling"]
+build-backend = "hatchling.build"
+
+[project]
+name = "malnm"
+version = "0.1.0"
+description = "Библиотека численных методов для экзамена"
+readme = "README.md"
+requires-python = ">=3.8"
+license = {text = "MIT"}
+authors = [
+    {name = "Твоё Имя", email = "tvoy@email.com"}
+]
+keywords = ["numerical-methods", "math", "education"]
+classifiers = [
+    "Programming Language :: Python :: 3",
+    "License :: OSI Approved :: MIT License",
+    "Operating System :: OS Independent",
+]
+
+[tool.hatch.build.targets.wheel]
+packages = ["src/malnm"]

malnm-0.1.0/PKG-INFO

@@ -0,0 +1,16 @@
+Metadata-Version: 2.4
+Name: malnm
+Version: 0.1.0
+Summary: Библиотека численных методов для экзамена
+Author-email: Твоё Имя <tvoy@email.com>
+License: MIT
+Keywords: education,math,numerical-methods
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Operating System :: OS Independent
+Classifier: Programming Language :: Python :: 3
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+
+# malnm
+
+Библиотека численных методов.

malnm-0.1.0/README.md

@@ -0,0 +1,3 @@
+# malnm
+
+Библиотека численных методов.

malnm-0.1.0/pyproject.toml

@@ -0,0 +1,23 @@
+[build-system]
+requires = ["hatchling"]
+build-backend = "hatchling.build"
+
+[project]
+name = "malnm"
+version = "0.1.0"
+description = "Библиотека численных методов для экзамена"
+readme = "README.md"
+requires-python = ">=3.8"
+license = {text = "MIT"}
+authors = [
+    {name = "Твоё Имя", email = "tvoy@email.com"}
+]
+keywords = ["numerical-methods", "math", "education"]
+classifiers = [
+    "Programming Language :: Python :: 3",
+    "License :: OSI Approved :: MIT License",
+    "Operating System :: OS Independent",
+]
+
+[tool.hatch.build.targets.wheel]
+packages = ["src/malnm"]

malnm-0.1.0/src/malnm/.ipynb_checkpoints/__init__-checkpoint.py

@@ -0,0 +1,279 @@
+# malnm/__init__.py
+
+from .methods import METHODS, SECTIONS
+import difflib
+
+__version__ = "2.0.0"
+
+
+# --------------------- БАЗОВЫЕ ФУНКЦИИ ДЛЯ МЕТОДОВ ---------------------
+
+def _get_method(method_name, output_type):
+    """Возвращает запрошенную информацию по методу."""
+    if method_name not in METHODS:
+        raise ValueError(f"Метод '{method_name}' не найден. Используйте malnm.help()")
+    data = METHODS[method_name]
+    if output_type == 't':
+        return data['theory']
+    elif output_type == 'c':
+        return data['code']
+    elif output_type == 'v':
+        return data['visualization']
+    else:
+        raise ValueError("output_type должен быть 't', 'c' или 'v'")
+
+
+def _create_function(method_name):
+    """Создает функцию для метода."""
+
+    def func(output_type):
+        return _get_method(method_name, output_type)
+
+    func.__name__ = method_name
+    func.__doc__ = f"Вывод шпаргалки по методу {METHODS[method_name]['full_name']}. Аргумент: 't' - теория, 'c' - код, 'v' - визуализация."
+    return func
+
+
+# Динамически создаём функции в текущем модуле
+for name in METHODS:
+    globals()[name] = _create_function(name)
+
+
+# --------------------- ФУНКЦИЯ HELP ---------------------
+
+def help():
+    """Выводит список всех доступных методов."""
+    print("Доступные методы:")
+    print("=" * 80)
+    for i, (name, data) in enumerate(METHODS.items(), 1):
+        aliases = f" ({', '.join(data['aliases'])})" if data['aliases'] else ""
+        section_info = f"[Раздел {data['section']}: {SECTIONS[data['section']]}]"
+        print(f"{i:2d}. {data['full_name']}{aliases}")
+        print(f"    Функция: {name}")
+        print(f"    {section_info}")
+        print()
+    print("=" * 80)
+    print("Использование:")
+    print("  malnm.<функция>('t')  - теория")
+    print("  malnm.<функция>('c')  - код")
+    print("  malnm.<функция>('v')  - визуализация")
+    print("  malnm.question('текст') - поиск вопроса и ответа")
+    print("  malnm.topic('тема')   - поиск теории по теме")
+    print("  malnm.topic('all')    - список всех тем")
+
+
+# --------------------- ФУНКЦИЯ QUESTION ---------------------
+
+def question(query):
+    """
+    Поиск вопроса и ответа по ключевому слову или фразе.
+    query - строка для поиска (регистронезависимый частичный поиск).
+    """
+    found = []
+    query_lower = query.lower()
+    for method_name, data in METHODS.items():
+        for item in data.get('qa', []):
+            q, a = item['question'], item['answer']
+            if query_lower in q.lower() or query_lower in a.lower():
+                found.append((method_name, q, a))
+    if found:
+        print(f"Найдено {len(found)} совпадений:")
+        for method, q, a in found:
+            print(f"\nМетод: {method}")
+            print(f"Вопрос: {q}")
+            print(f"Ответ: {a}")
+    else:
+        # Поиск в теории
+        for method_name, data in METHODS.items():
+            theory = data.get('theory', '')
+            if query_lower in theory.lower():
+                lines = theory.split('\n')
+                for i, line in enumerate(lines):
+                    if query_lower in line.lower():
+                        start = max(0, i - 2)
+                        end = min(len(lines), i + 3)
+                        print(f"\nМетод: {method_name}")
+                        print('\n'.join(lines[start:end]))
+                        return
+        print("Ничего не найдено. Попробуйте изменить запрос.")
+
+
+# --------------------- ФУНКЦИЯ TOPIC ---------------------
+
+# Словарь тем с ключевыми словами и связанными методами
+TOPICS = {
+    'погрешность': {
+        'keywords': ['погрешность', 'ошибка', 'точность', 'абсолютная', 'относительная', 'верные цифры',
+                     'значащие цифры', 'округление'],
+        'methods': ['bisection', 'newton', 'modified_newton', 'secant', 'fixed_point', 'floating_point', 'kahan_sum'],
+        'description': 'Погрешности вычислений: абсолютная и относительная, верные цифры, округление, потеря значимости.'
+    },
+    'сходимость': {
+        'keywords': ['сходимость', 'скорость сходимости', 'линейная', 'квадратичная', 'сверхлинейная', 'порядок'],
+        'methods': ['bisection', 'newton', 'modified_newton', 'secant', 'fixed_point', 'fixed_point_system',
+                    'newton_2d', 'modified_newton_2d', 'gauss_seidel', 'power_method', 'power_method_shift',
+                    'qr_algorithm', 'jacobi_eigen'],
+        'description': 'Скорость и условия сходимости итерационных методов.'
+    },
+    'устойчивость': {
+        'keywords': ['устойчивость', 'стабильность', 'строгая', 'слабая', 'условная', 'безусловная',
+                     'распространение ошибки'],
+        'methods': ['newton', 'euler', 'predictor_corrector', 'rk4', 'adams_bashforth_2', 'adams_moulton_2',
+                    'floating_point'],
+        'description': 'Устойчивость численных методов, строгая и слабая устойчивость.'
+    },
+    'интерполяция': {
+        'keywords': ['интерполяция', 'экстраполяция', 'аппроксимация', 'глобальная', 'локальная', 'сплайн', 'Лагранж',
+                     'линейная', 'кубическая'],
+        'methods': ['lagrange', 'linear_interp', 'cubic_spline'],
+        'description': 'Интерполяция: глобальная и локальная, линейная, Лагранжа, кубические сплайны.'
+    },
+    'матрицы': {
+        'keywords': ['матрица', 'умножение', 'плотная', 'разреженная', 'хранение', 'CSR', 'CSC', 'COO'],
+        'methods': ['matmul_naive', 'strassen', 'gauss_seidel', 'qr_gram_schmidt', 'qr_algorithm', 'jacobi_eigen',
+                    'schur_decomposition', 'svd', 'pca'],
+        'description': 'Матричные операции, плотные и разреженные матрицы, способы хранения.'
+    },
+    'собственные значения': {
+        'keywords': ['собственное значение', 'собственный вектор', 'спектральный радиус', 'отношение Релея',
+                     'круги Гершгорина', 'характеристический многочлен'],
+        'methods': ['power_method', 'power_method_shift', 'qr_algorithm', 'jacobi_eigen', 'schur_decomposition',
+                    'eigen_values_2x2'],
+        'description': 'Собственные значения и векторы, методы их нахождения.'
+    },
+    'ОДУ': {
+        'keywords': ['ОДУ', 'дифференциальное уравнение', 'Эйлер', 'Рунге-Кутта', 'Адамс', 'многошаговый', 'явный',
+                     'неявный', 'предиктор-корректор'],
+        'methods': ['euler', 'predictor_corrector', 'rk4', 'adams_bashforth_2', 'adams_moulton_2',
+                    'numerical_derivative'],
+        'description': 'Обыкновенные дифференциальные уравнения, явные и неявные методы.'
+    },
+    'Фурье': {
+        'keywords': ['Фурье', 'ДПФ', 'БПФ', 'спектр', 'амплитудный', 'частотный', 'фильтрация', 'сезонность',
+                     'дискретизация'],
+        'methods': ['dft', 'fft'],
+        'description': 'Дискретное преобразование Фурье, спектральный анализ, фильтрация сигналов.'
+    },
+    'IEEE 754': {
+        'keywords': ['IEEE 754', 'плавающая точка', 'float', 'double', 'машинный эпсилон', 'NaN', 'Inf', 'underflow',
+                     'overflow'],
+        'methods': ['floating_point', 'kahan_sum', 'matmul_naive', 'lagrange'],
+        'description': 'Представление чисел с плавающей точкой, стандарт IEEE 754, ошибки округления.'
+    },
+    'профилирование': {
+        'keywords': ['профилирование', 'профайлинг', 'cProfile', 'timeit', 'сложность', 'big-O', 'производительность',
+                     'оптимизация'],
+        'methods': ['profiling'],
+        'description': 'Профилирование кода, измерение производительности, сложность алгоритмов.'
+    }
+}
+
+
+def topic(topic_name):
+    """
+    Поиск теории по теме.
+    topic_name - название темы или ключевое слово.
+    malnm.topic('all') - выводит список всех доступных тем.
+    """
+    # Если запрошен список всех тем
+    if topic_name.lower() == 'all':
+        print("Доступные темы:")
+        print("=" * 80)
+        for name, data in TOPICS.items():
+            print(f"\n{name.upper()}:")
+            print(f"  {data['description']}")
+            print(f"  Связанные методы: {', '.join(data['methods'])}")
+            print(f"  Ключевые слова: {', '.join(data['keywords'])}")
+        print("\n" + "=" * 80)
+        print("Использование: malnm.topic('название_темы')")
+        return
+
+    # Поиск по ключевым словам
+    topic_lower = topic_name.lower()
+    found_topics = []
+
+    for name, data in TOPICS.items():
+        # Проверяем по названию темы
+        if topic_lower in name.lower():
+            found_topics.append((name, data))
+            continue
+        # Проверяем по ключевым словам
+        for keyword in data['keywords']:
+            if topic_lower in keyword.lower():
+                found_topics.append((name, data))
+                break
+
+    if not found_topics:
+        print(f"Тема '{topic_name}' не найдена. Используйте malnm.topic('all') для списка всех тем.")
+        return
+
+    for name, data in found_topics:
+        print(f"\n{'=' * 80}")
+        print(f"ТЕМА: {name.upper()}")
+        print(f"{'=' * 80}")
+        print(f"\n{data['description']}")
+        print(f"\nСвязанные методы: {', '.join(data['methods'])}")
+        print(f"\nКлючевые слова: {', '.join(data['keywords'])}")
+
+        # Собираем теорию из связанных методов
+        print("\n" + "-" * 40)
+        print("ТЕОРИЯ ПО ТЕМЕ:")
+        print("-" * 40)
+
+        theory_parts = []
+        for method_name in data['methods']:
+            if method_name in METHODS:
+                method_data = METHODS[method_name]
+                theory = method_data.get('theory', '')
+                if theory:
+                    # Извлекаем релевантные части теории (ищем по ключевым словам)
+                    lines = theory.split('\n')
+                    relevant_lines = []
+                    for i, line in enumerate(lines):
+                        line_lower = line.lower()
+                        for keyword in data['keywords']:
+                            if keyword.lower() in line_lower:
+                                # Берём контекст: 2 строки до и 2 после
+                                start = max(0, i - 2)
+                                end = min(len(lines), i + 3)
+                                context = lines[start:end]
+                                if context not in relevant_lines:
+                                    relevant_lines.extend([''] + context)
+                                break
+                    if relevant_lines:
+                        theory_parts.append(f"\n[Из метода {method_name}]:")
+                        theory_parts.extend(relevant_lines)
+
+        if theory_parts:
+            print('\n'.join(theory_parts))
+        else:
+            print("(Теория по данной теме встроена в описания методов)")
+
+        # Выводим Q&A из связанных методов
+        print("\n" + "-" * 40)
+        print("ВОПРОСЫ И ОТВЕТЫ ПО ТЕМЕ:")
+        print("-" * 40)
+
+        qa_found = False
+        for method_name in data['methods']:
+            if method_name in METHODS:
+                qa_list = METHODS[method_name].get('qa', [])
+                for item in qa_list:
+                    q = item['question']
+                    a = item['answer']
+                    # Проверяем, относится ли вопрос к теме
+                    q_lower = q.lower()
+                    for keyword in data['keywords']:
+                        if keyword.lower() in q_lower:
+                            print(f"\n[{method_name}]\nВ: {q}\nО: {a}")
+                            qa_found = True
+                            break
+
+        if not qa_found:
+            print("(Специализированные вопросы по теме находятся в описаниях методов)")
+
+
+# --------------------- ИНИЦИАЛИЗАЦИЯ ---------------------
+
+# Добавляем информацию о новых методах в SECTIONS
+SECTIONS[4] = "Общая теория вычислений (IEEE 754, погрешности, устойчивость)"