Il corso si pone l'obiettivo di familiarizzare gli studenti con l'uso del linguaggio Python e con le sue principali librerie di interesse scientifico: Numpy, Scipy e Matplotlib.
 
Dopo una prima lezione introduttiva, gli incontri successivi si svolgeranno nelle aule informatiche F e G al primo piano interrato. Nelle aule informatiche sono disponibili computer. Per accedere utilizzate le credenziali che vi sono state consegnate all'iscrizione. Il sofware necessario per il corso si trova nel sistema operativo Windows 10. È più semplice tuttavia utilizzare un proprio portatile. In questo caso il sofware deve essere installato.
 
I notebook Jupyter che costituiscono il materiale didattico sono scaricabili da github (https://github.com/mainaezio/TIF_2022_Introduction_to_Python) seguendo le istruzioni.
 
Per eseguire i notebook è necessario avere installato Python 3, Numpy, Scipy, Matplotlib e Jupyter. Tutti questi pacchetti sono contenuti nella distribuzione Anaconda ( https://www.anaconda.com/distribution/#download-section). Seguite le istruzioni.
 

• Non si può imparare a programmare mandando a memoria
• Si impara solo facendo. Fare significa sedersi al computer, battere i comandi e, provando e riprovando, farli funzionare, ottenendo il risultato corretto

I singoli notebook possono essere anche scaricati da questi link, in formato html (solo lettura) e ipynb.  

• Computazione e Fisica: trasparenze introduttive.
• 01_CourseInfo ( .html, .ipynb).
  • Come usare un notebook
  • Che cos'è un programma
• 02_Primi_passi ( .html , .ipynb ). Esercizi 02. Registrazione: Funzioni1
• 03_Tipi_di_Dati ( .html , .ipynb ). Esercizi 03. Registrazione1: Stringhe-Liste. Registrazione2: Entuple-Dizionari-id.
  • Esercizi su Numeri Complessi e Trigonometria
• 04_control-flow ( .html , .ipynb ). Esercizi 04. Registrazione: If-For-While.
• 05_input-output ( .html , .ipynb ). Esercizi 05.
• 06_funzioni_moduli( .html , .ipynb ). Esercizi 06.
• 07_numpy ( .html , .ipynb ). Esercizi 07.
• 08_plots ( .html , .ipynb ). Esercizi 08.
• 09_numpy_statistics ( .html , .ipynb ). Esercizi 09.
• 10_scipy ( .html , .ipynb ). Esercizi 10.

Notebooks di approfondimento. Non fanno parte del programma d'esame:

• 11_MetodoMontecarlo ( .html , .ipynb ).
• 12_calcolo_simbolico ( .html , .ipynb ). Esercizi 12.
• 13_Classi ( .html , .ipynb ).
• 14_Decoratori ( .html , .ipynb ).

Files a cui si fa riferimento nei Notebooks :

• File grafici
• Cartoons
• File di dati
• File di comandi

Alcuni notebooks addizionali basati su materiale di Esperimenti 1:

• Fit Lineare ( .html , .ipynb )
• Fit Quadratico ( .html , .ipynb )
• Una dimostrazione della formula per il fit lineare usando sympy ( .html , .ipynb )
• Esplorazioni numeriche sulla distribuzione di Poisson ( .html , .ipynb )

Altri notebooks addizionali:

• Esempio di algoritmo( .html , .ipynb )
• Compiti_Frequenti ( .html , .ipynb )
• Numeri di Fibonacci ( .html , .ipynb )
• Matrici di rotazione 3D con numpy ( .html , .ipynb )
• Matrici di rotazione 3D con sympy ( .html , .ipynb )
• Il quartetto di Anscombe: invito alla cautela nell'analisi statistica ( .html , .ipynb )

Cheatsheets riassuntivi:

• Python3.
• Matplotlib.
• Markdown.

Tutorials di Python:

• Real Python: Introduction to Python
• The Python Tutorial

• Real Python: Jupyters Notebook: An Introduction

• Hans Fanghor - Python for Computational Science and Engineering
• Robert Johansson - Scientific Computing with Python (in .pdf)
• Allen Downey - Think Python
• Sven Linge, Hand Petter Langtangen - Programming for Computations