Python、Jupyter 与工程计算¶
计算环境应把公式、数据、图和结论连成一条可执行链。Python 与 Jupyter 是常见的开放选择，但本指南强调的数组、单位、测试、环境锁定和无状态重跑原则可以迁移到其他数值平台。
目的与学习成果¶
- 把手算公式转成可测试的函数；
- 区分原始数据、清洗数据、派生结果和展示图；
- 从空内核按固定顺序重跑计算笔记本；
- 在图表和数据中保留单位、采样条件与不确定度；
- 导出脚本化结果，避免结论只存在于交互单元格。
最小环境¶
- 一个受支持的 Python 解释器或等价数值环境；
- 包隔离机制与文本依赖清单；
- 能执行脚本的终端；
- 可选的 Jupyter 前端；
- 一个小型 CSV 测量样例，字段包含时间、电压和单位说明。
不要声称“最新版本”。记录你实际运行的解释器、包和操作系统版本，并保存可解析的环境文件。
学习顺序¶
- 标量到数组：实现欧姆定律和 RC 响应，检查类型、形状与单位。
- 函数与测试：把计算放入无副作用函数，为已知边界值写断言。
- 数据入口：读取原始文件时验证列名、缺失值、单调时间和采样间隔。
- 可视化：轴带单位，标题描述条件，颜色之外再用线型或标记区分。
- 笔记本纪律：重启内核并全部运行；删除依赖隐藏状态的单元格。
- 脚本化出口：用一个命令从原始输入生成结果表、图和摘要。
计算代码不应默默猜测单位。可采用显式变量名、元数据或单位库，但进入算法前必须统一量纲。
验证任务：从阶跃数据估计时间常数¶
准备一份合成或低风险测量的 RC 阶跃响应：
- 在脚本中生成带已知时间常数和固定随机种子的合成数据；
- 写函数读取数据并检查时间轴、单位和有限数值；
- 用两种方法估计时间常数，例如阈值法和拟合；
- 报告估计值、误差、采样率与方法假设；
- 绘制数据、拟合曲线和残差，所有轴写单位；
- 清空输出后从头执行，确认摘要和文件校验稳定。
验收条件应包含数值容差。例如估计误差小于预设阈值，且故意破坏列名时测试必须失败。
常见失败与排查¶
- 笔记本乱序才成功：重启并全部运行；把共享逻辑移到模块。
- 数组形状悄悄广播：在函数入口断言维度，在小矩阵上手算对照。
- 图看似正确但单位错：追踪每次缩放，统一 SI 前缀后再计算。
- 拟合收敛却无物理意义：检查初值、边界、残差和参数可辨识性。
- 结果跨机器变化：锁定依赖、随机种子、区域设置和输入文件。
- 大文件耗尽内存：分块读取、先做数据概况，并避免复制完整数组。
可复现证据¶
- 环境清单与实际版本快照；
- 原始数据的只读副本、来源和校验和；
- 带测试的计算模块；
- 可从头执行的笔记本或脚本；
- 生成物目录及一键重建命令；
- 对异常值、缺失值、滤波和拟合的决策记录；
- 数值容差、随机种子和平台差异说明。
成本、许可与无障碍¶
本练习可以使用自由软件和本地计算完成。引入包时记录许可证，并避免把受限数据或课程付费材料打包进环境。低内存设备可减少样本规模，但应保持算法和验收条件相同。
笔记本应有清晰标题层级和文本结论；不要让输出只靠颜色或悬停提示。提供脚本入口和静态导出，使屏幕阅读器、低带宽环境和不运行前端的评审者也能理解结果。
安全边界¶
- 来历不明的笔记本和依赖可能执行任意代码，应先在隔离环境审阅；
- 不把设备密钥、患者信息或可识别测量数据写入单元格输出；
- 自动采集脚本必须设置超时、量程和停止条件；
- 软件计算不能替代高能量硬件实验的额定值与设施审查；
- 数值拟合不是安全结论，超出数据范围的外推必须明确标注。
完成清单¶
- 干净环境可安装并运行项目。
- 所有核心公式都位于可测试函数中。
- 原始数据、派生数据和图表分目录保存。
- 每个字段和坐标轴都有单位。
- 笔记本从空内核顺序执行成功。
- 故意错误会触发明确失败。
- 一条命令可重建摘要、结果表和图。
- 许可、数据来源、随机种子和限制已记录。