欢迎大家赞助一杯啤酒🍺 我们准备了下酒菜：Formal mathematics/Isabelle/ML, Formal verification/Coq/ACL2, C++/F#/Lisp
LabPlot
来自开放百科 - 灰狐
（版本间的差异）
小 (→链接) |
小 (→功能) |
||
| （未显示1个用户的9个中间版本） | |||
| 第7行： | 第7行： | ||
==功能== | ==功能== | ||
| − | LabPlot 可以作为不同的开源[[Computer algebra system|计算机代数系统（CAS）]]的前端，如：[[Maxima]]、[[GNU Octave]]、[[R]]、[[Scilab]] 和 Sage 或提供类似功能的编程语言，如：[[Python]] 和 [[Julia]]。 | + | *软件前（commonfrontend, kdefrontend）后（backend）端的架构设计 |
| + | *提供的数据容器：电子表格（Spreadsheet）和矩阵（Matrix） | ||
| + | *数据容器支持的导入数据类型：ASCII、Binary、Image、NetCDF、HDF5、FITS | ||
| + | *内置了一组扩展了[[GNU Scientific Library|GNU科学库（GSL）]]的数值（numerical）和统计（statistics）函数库 | ||
| + | *依托 [[Qt]] 的对象插件扩展机制，[https://doc.qt.io/qt-6/qpluginloader.html QPluginLoader] 的运行时类加载插件（class loads a plugin at run-time） | ||
| + | |||
| + | *LabPlot 可以作为不同的开源[[Computer algebra system|计算机代数系统（CAS）]]的前端，如：[[Maxima]]、[[GNU Octave]]、[[R]]、[[Scilab]] 和 Sage 或提供类似功能的编程语言，如：[[Python]] 和 [[Julia]]。 | ||
LabPlot 可以识别不同的 CAS 变量，持有类似数组的数据，并允许选择它们作为曲线的来源。因此，用户不需要提供电子表格的列作为X和Y数据的来源，而是提供相应的 CAS 变量的名称。 | LabPlot 可以识别不同的 CAS 变量，持有类似数组的数据，并允许选择它们作为曲线的来源。因此，用户不需要提供电子表格的列作为X和Y数据的来源，而是提供相应的 CAS 变量的名称。 | ||
| + | |||
| + | *支持广泛的数据分析方法：数据还原（Data reduction）、微分（Differentiation）、整合（Integration）、插值（Interpolation）、平滑化（Smoothing）、非线性曲线拟合（Nonlinear curve fitting）、傅里叶滤波器（Fourier filter）、傅里叶变换（Fourier transform） | ||
==指南== | ==指南== | ||
==项目== | ==项目== | ||
| + | git clone [email protected]:education/labplot.git | ||
==文档== | ==文档== | ||
| + | *[https://docs.kde.org/stable5/en/labplot/labplot2/index.html The LabPlot Handbook] | ||
==图集== | ==图集== | ||
2022年9月20日 (二) 03:14的最后版本
|
您可以在Wikipedia上了解到此条目的英文信息 LabPlot Thanks, Wikipedia. |
LabPlot
目录 |
[编辑] 简介
LabPlot：基于 KDE 技术构建的跨平台、开源数据可视化和分析软件。
[编辑] 功能
- 软件前（commonfrontend, kdefrontend）后（backend）端的架构设计
- 提供的数据容器：电子表格（Spreadsheet）和矩阵（Matrix）
- 数据容器支持的导入数据类型：ASCII、Binary、Image、NetCDF、HDF5、FITS
- 内置了一组扩展了GNU科学库（GSL）的数值（numerical）和统计（statistics）函数库
- 依托 Qt 的对象插件扩展机制，QPluginLoader 的运行时类加载插件（class loads a plugin at run-time）
- LabPlot 可以作为不同的开源计算机代数系统（CAS）的前端，如：Maxima、GNU Octave、R、Scilab 和 Sage 或提供类似功能的编程语言，如：Python 和 Julia。
LabPlot 可以识别不同的 CAS 变量，持有类似数组的数据，并允许选择它们作为曲线的来源。因此，用户不需要提供电子表格的列作为X和Y数据的来源，而是提供相应的 CAS 变量的名称。
- 支持广泛的数据分析方法：数据还原（Data reduction）、微分（Differentiation）、整合（Integration）、插值（Interpolation）、平滑化（Smoothing）、非线性曲线拟合（Nonlinear curve fitting）、傅里叶滤波器（Fourier filter）、傅里叶变换（Fourier transform）
[编辑] 指南
[编辑] 项目
git clone [email protected]:education/labplot.git
[编辑] 文档
[编辑] 图集
LabPlot数据可视化和分析
支持的计算机代数系统（CAS）
[编辑] 链接
分享您的观点
