In questa repository si trovano i notebook python relativi alle esercitazioni del corso di Probabilità e Statistica, parte del corso di Laurea in Fisica all'Università degli Studi di Milano. (c) Stefano Zapperi
I notebook sono stati in parte adattati dai seguenti testi:
Practical Statistics for Data Scientists:
50+ Essential Concepts Using R and Python
Peter Bruce, Andrew Bruce, and Peter Gedeck
O'Reilly Media; 2 edition (June 9, 2020)
ISBN-13: 978-1492072942
Introduction to Statistics With Python by Thomas Haslwanter Springer (2020) ISBN-13: 978-3319283159
Per seguire queste lezioni, è necessaria una moderna installazione di python, oltre a jupyter, numpy, matplotlib e alcune altre librerie standard di python. Il modo più semplice per installare tutti questi pacchetti senza interferire con l'attuale installazione di python è la distribuzione Anaconda. Scegliete python 3.x e il vostro sistema operativo, scaricate, installate e dovreste essere a posto.
In alternativa, se non è possibile installare jupyter sul proprio computer, è possibile utilizzare l'ambiente online mybinder, che è fondamentalmente una versione online della repository. Notate che il codice non verrà eseguito sul vostro computer, e che perderete il vostro lavoro se chiudete la finestra del browser. Per lanciare la pagina mybinder per il corso, cliccate qui!
Dopo aver completato un notebook, ricordatevi di scaricarlo sul vostro computer locale!
Di seguito alcune informazioni utili (in inglese):
Open a terminal and cd to a directory of your choice
$ cd DocumentsCheck that you have correctly installed Anaconda's python.
$ which python
/home/username/anaconda3/bin/pythonClone this repository
$ git clone https://github.com/fontclos/stat-mech-python-course.gitA new folder called stat-mech-python-course will be created. Enter it and start jupyter by typing jupyter lab
$ cd stat-mech-python-course
$ jupyter labA browser window/tab pointing to localhost:8888 will open automatically. Open the notebooks folder, then open the first notebook by double-clicking 1-Generating-Random-Numbers.ipynb. You are ready to go!
Being able to re-use someone else's code is as important as being able to write your own. You are not supposed to figure out everything by yourself, so googling how to X in python is just fine. In addition, some useful resources are:
-
Ask questions
-
Official documentation sites
-
Tutorials
-
Windows users