Ćwiczenia Programowanie 1R

Zajęcia z wstępu do Pythona i jego zastosowań w fizyce. Ćwiczenia do wykładu dr Grzegorza Łacha (strona wykładu).

Zajęcia

Ćwiczenia grupa 4

Ćwiczenia głównie w oparciu o zadania przygotowane przez Bartłomieja Zglinickiego, udostępnione na licencji CC BY 4.0.

Problemy z jupyterem

Niestety nadal nie wiem, dlaczego na pierwszych zajęciach u większości z Was nie zadziałały notatniki jupytera (pliki .ipynb) w VSCode. Można je uruchomić poza VSCode. Żeby to zrobić, należy uruchomić terminal, przejść do katalogu, w którym znajduje się plik .ipynb i wykonać komendę jupyter notebook. Wtedy uruchomi się edytor jupytera w przeglądarce, w którym można kliknąć w plik .ipynb i tam powinien działać.

Problemy z matplotlibem

U jednej osoby pojawił się problem z matplotlibem: mimo wywołania funkcji plt.show(), okienko z wykresem się nie pojawiło. To rozwiązanie wygląda obiecująco: https://stackoverflow.com/a/71390198. Jeżeli nie zadziała, zawsze zamiast pokazywania wykresu w okienku, można zapisać go do pliku funkcją fig.savefig("nazwa_pliku.format"). Matplotlib umie zapisywać rysunki w wielu formatach, na przykład .png, .jpg, .pdf.

Zadania

tydzień, Podstawy Pythona, 24.02.2026
Zadania seria 1. Podsumowanie pierwszych zajęć. Rozwiązania

tydzień, Listy i krotki, 03.03.2026
Zadania seria 2. Podsumowanie drugich zajęć. Rozwiązania

tydzień, Słowniki i zbiory, 10.03.2026
Zadania seria 3. Podsumowanie trzecich zajęć. Rozwiązania
Materiały do zadań: ludnosc.json, D-42.json.

tydzień, Łańcuchy tekstowe (Stringi), 17.03.2026
Zadania seria 4. Podsumowanie czwartych zajęć. Rozwiązania
Dokumentacja metod łańcuchów tekstowych w Pythonie.

tydzień, Pliki, 24.03.2026
Zadania seria 5 autorstwa Bartłomieja Zglinickiego. Podsumowanie piątych zajęć. Rozwiązania

tydzień, 31.03.2026
Z powodu wakacji wiosennych nie było wykładu, więc nadrabiamy zaległe zadania.
Podsumowanie szóstych zajęć (enumerate + regex).

tydzień, Klasy (podstawy), 14.04.2026
Zadania seria 6. Podsumowanie siódmych zajęć. Rozwiązania

tydzień, Klasy (metody specjalne/magiczne), 21.04.2026
Zadania seria 7. Podsumowanie ósmych zajęć. Rozwiązania

Konsultacje 25.04.2026 Materiały z konsultacji.

tydzień, Klasy (dziedziczenie), 28.04.2026
Zadania seria 8. Podsumowanie dziewiątych zajęć. Rozwiązania

tydzień, Biblioteka numpy, 12.05.2026
Zadania seria 9. Rozwiązania

tydzień, Równania różniczkowe zwyczajne (ODE), 19.05.2026
Zadania seria 10. Rozwiązania
Animacja oscylatora Duffinga.

tydzień, Analiza danych pomiarowych (biblioteki scipy i pandas), 26.05.2026
Zadania seria 11. Rozwiązania
Materiały do zadań: dane_seria11.zip.

tydzień, Całkowanie numeryczne (kwadratury), 2.06.2026
Zadania seria 12. Rozwiązania

tydzień, Programowanie współbieżne (wielowątkowe i wieloprocesowe), 9.06.2026
Zadania seria 13. Rozwiązania

Konsultacje 13.06.2026 Materiały z konsultacji.

Przydasie

Oficjalna dokumentacja Pythona
Dokumentacja standardowych bibliotek Pythona
Skróty klawiszowe w VSCode
Project jupyter - interaktywne notatniki pythonowe + JupyterLab - środowisko do edycji kodu uruchamiane w przeglądarce.
Numerical Recipes in Fortran 77 - książka z bardzo przydatnymi algorytmami numerycznymi, dostępna za darmo online. Wiele z nich jest zaimplementowanych w scipy i innych bibliotekach.
Notatki Agnieszki Makulskiej z gita.

Przydatne standardowe biblioteki Pythona
Te biblioteki są zainstalowane razem z Pythonem i można od razu je importować.

math, cmath - funkcje i stałe matematyczne (w tym zespolone).
random - liczby pseudolosowe i losowanie elementu z kontenera.
os - komunikacja z systemem operacyjnym, jak znajdowanie plików.
sys - zmienne systemowe/środowiskowe związane z naszym programem.
time - mierzenie upływu czasu.
datetime - obsługa dat kalendarzowych i godzin zegarowych.
re - wyrażenia regularne (regex).
json - zapisywanie/wczytywanie obiektów pythonowych do/z plików tekstowych JSON.
argparse - bardziej zaawansowana biblioteka do obsługi argumentów programu, niż lista sys.argv.
fractions - liczby wymierne, bez ograniczonej precyzji floatów, ale wolniejsze w użyciu.
itertools - zaawansowane metody do iterowania i robienia pętli, na przykład iloczyn kartezjański list, permutacje elementów listy itp.
collections - bardziej specjalistyczne kontenery, niż wbudowane listy, krotki, słowniki i zbiory.
threading - programowanie wielowątkowe.
multiprocessing - programowanie wieloprocesowe.
queue - kolejki zadań dla wątków (i nie tylko).
subprocess - uruchamianie innych programów (w szczególności wykonywanie poleceń terminalem).
urllib - zestaw narzędzi do ładowania i analizowania stron internetowych (jako kodu HTML).
tkinter - tworzenie interfejsów graficznych.
zlib, gzip, lzma, zipfile, tarfile,... - (de)kompresja plików.

Podstawowe biblioteki zewnętrzne
Te biblioteki są powinny być dostępne na komputerach wydziałowych.

numpy - biblioteka do obliczeń na N-wymiarowych tablicach liczb.
matplotlib - biblioteka do tworzenia wykresów najróżniejszego typu, w tym interaktywnych. Ściągi.
scipy - zestaw narzędzi przydatnych w obliczeniach naukowych, jak dopasowywanie krzywych, funkcje specjalne, statystyka itp.
sympy - biblioteka do przekształceń symbolicznych, ala Wolfram Mathematica czy Maple. Interpreter sympy online.
pandas - biblioteka do obsługi arkuszy kalkulacyjnych, jak pliki .csv, .xlsx.

Biblioteki specjalistyczne
Te biblioteki wymagają samodzielnego zainstalowania i mogą być trudniejsze w użyciu. Raczej nie będą wymagane na ćwiczeniach, ale mogą przydać się w przyszłości.

odrpack - biblioteka do dopasowywania krzywych do punktów dająca więcej możliwości, niż curve_fit z scipy. Pozwala w szczególności na uwzględnienie niepewności x-ów. Trochę trudniejsza w użyciu.
numba - biblioteka do kompilowania JIT, pozwalająca przyspieszyć niektóre obliczenia w pythonie.
jax - biblioteka do kompilowania JIT, z własną implementacją biblioteki numpy. Trudniejsza w użyciu niż numba, ale czasem daje lepsze rezultaty.
diffrax - oparta na jax biblioteka do szybkiego numerycznego rozwiązywania równań różniczkowych najróżniejszych rodzajów.
PyQtGraph - biblioteka do tworzenia interaktywnych wykresów. Działa dużo płynniej, niż interaktywne wykresy w matplotlib, ale jest trudniejsza w użyciu. Wymaga zainstalowania Qt.
Pillow - biblioteka do obróbki obrazu.
OpenCV - biblioteka do analizowania obrazu, w tym na żywo.
Python-tesseract - biblioteka do odczytywania napisów z obrazu (OCR).
Beautiful Soup - bardzo popularna biblioteka do analizowania kodu HTML i XML.
TensorFlow - biblioteka do uczenia maszynowego.
PyTorch - inna biblioteka do uczenia maszynowego.
tqdm - biblioteka z łatwymi w użyciu paskami postępu. Pokazują szacowany czas wykonania, szybkość itp.