未知
mathchem的Python项目详细描述
##什么是Mathchem？
mathchem是一个免费的开源python包，用于计算分子图的拓扑指数和其他不变量。
github:https://github.com/hamser3d/mathchem package>；
项目主页：<；http://mathchem.iam.upr.si/>；
该软件包是在mac os x下测试的。由于该软件包不包含编译代码，因此它是跨平台的，可以在任何与python兼容的操作系统中使用。
/>~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
python
>；>；将mathchem导入为mc
>；>；m=mc.mol（'ghch？_）
>；>m
8个顶点上的分子图
>；>m.拉普拉斯矩阵（）
[0，0，0，--0，--0，0，--0，0，0，0，0，--1，2，--1，0，0，0，
[0，0，0，0，0，--1，1，0，0，0，
[0，0，-1，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，
[0，0，0，0，0，0，0，0，0，1]]）
>>>~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
在当前状态下，使用结构数据初始化MOL实例对象的唯一方法是将*graph6*或*sparse6*字符串作为参数：`m=mc.mol（'ghch？''）稍后将添加对*smiles*格式的支持。
第二个模块**实用程序**包含一些有用的功能。目前只有一个函数"batch_process（infile，outfile，function）"，它允许轻松读取字符串所列的文本文件，将读取的数据传递给函数，并将返回值写入另一个文件。这里有一个使用示例：
~~~~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
将mathchem导入为mc
def计算拉普拉斯能量：
m=mc.mol
返回m.energy（'laplacian'）
u.batch过程（'graphs.g6'，'result.txt'，calc计算拉普拉斯能量）
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
执行此代码后，我们可以为"graphs.g6"*文件中列出的所有图找到计算拉普拉斯能量，作为"graph6"字符串，位于"result.txt"*。事实上，我们只是将函数*计算拉普拉斯能量*应用到文件的每一行*"graphs.g6"*并将结果写入*"result.txt"*。
/>*距离
*阻力距离
*倒数距离
~~~~~~~~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
>；>；将mathchem导入为mc
>；>；m=mc.mol（'ghch？_
>gt>gt；m.距离矩阵（[[0，1，1，2，3，4，5，3，3，4]，
[1，0，1，2，3，4，2，3]，
[2，1，0，1，2，3，1，2，1，2，1，2，2，2，2，1]，
[3，2，2，2，1]，
[3，2，1]，
[4，2，2，1，1，3，2]，
[5，4，3，3，2，1，1，3，2]，
[5，4，4，3，3，2，2，1，1，1，3，1，2]，
[5，4，0岁，4，3]，
[3，2，1，2，2，3，3，4，0，0，3]，
[4，3，2，1，2，2，3，3，3，3，0]]]]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~光谱半径
*能量
*关联能量
计算拓扑指数：
*萨格勒布m1指数
*萨格勒布m2指数
*萨格勒布m1共指数
*萨格勒布m2共指数
*连接性指数（r）
*偏心连接性指数
*随机指数
*原子键连接性指数（abc）
*所有矩阵的estrada索引（ee）
*distance-estrada指数（dee）
*距离度（dd）
*反向距离度（rdd）
*（schultz）分子拓扑指数（mti）
*距离和
*balaban j指数
*和balaban指数
*kirchhoff指数（kf）或电阻
*wiener指数（w）
*末端wiener指数（tw）
*反向维纳指数（rw）
*超维纳指数（ww）
*原始指数（h）
*和连接性指数
*几何算术指数
*乘法和萨格勒布指数
*乘法p1萨格勒布指数
*乘法p2萨格勒布指数
*148个离散亚得里亚海指数
~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
>；>；将mathchem导入为mc
>；>；m=mc.mol（'ghch？_）
>；>m.反向维纳指数（
72
>；>m.谱（）；默认使用的邻接矩阵
[2.095293985223914，1.355674293978083，0.7376403052281872，0.4772599964740198，
-0.4772599964740197，-0.7376403052281874，-1.35567429399780824，-2.095293985223914]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~br/>>>>>m=mc.mol（'ghch？_
>>gt；m.degrees（）
[1，2，3，3，3，3，2，1，1，1，1，1]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~pip安装mathchem打开：
numpy
在您的sage程序中，请使用se**mathchem**：
sage:import mathchem as mc
sage:m=mc.mol（'ghch？_）
sage:s=m.sage嫒graph（）
sage:s.show（）
sage
sage
sage是GPL授权的免费开源数学软件系统。它将许多现有开源软件包的强大功能结合到一个通用的基于python的界面中。
出于性能原因，我们仅在需要时计算数据，然后保存结果。
例如，我们希望基于距离计算三个指标，例如，*偏心连接指数*、*巴拉班j指数*和*维纳指数*。这意味着我们需要一个*距离矩阵*，我们只计算一次然后使用它：
~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
>；>gt；将mathchem导入为mc
>；>m=mc.mol（'ghch？_）
>；>；在计算第一个索引之前，只计算一次*距离矩阵*。
mathchem是一个免费的开源python包，用于计算分子图的拓扑指数和其他不变量。
github:https://github.com/hamser3d/mathchem package>；
项目主页：<；http://mathchem.iam.upr.si/>；
该软件包是在mac os x下测试的。由于该软件包不包含编译代码，因此它是跨平台的，可以在任何与python兼容的操作系统中使用。
/>~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
python
>；>；将mathchem导入为mc
>；>；m=mc.mol（'ghch？_）
>；>m
8个顶点上的分子图
>；>m.拉普拉斯矩阵（）
[0，0，0，--0，--0，0，--0，0，0，0，0，--1，2，--1，0，0，0，
[0，0，0，0，0，--1，1，0，0，0，
[0，0，-1，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，
[0，0，0，0，0，0，0，0，0，1]]）
>>>~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
在当前状态下，使用结构数据初始化MOL实例对象的唯一方法是将*graph6*或*sparse6*字符串作为参数：`m=mc.mol（'ghch？''）稍后将添加对*smiles*格式的支持。
第二个模块**实用程序**包含一些有用的功能。目前只有一个函数"batch_process（infile，outfile，function）"，它允许轻松读取字符串所列的文本文件，将读取的数据传递给函数，并将返回值写入另一个文件。这里有一个使用示例：
~~~~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
将mathchem导入为mc
def计算拉普拉斯能量：
m=mc.mol
返回m.energy（'laplacian'）
u.batch过程（'graphs.g6'，'result.txt'，calc计算拉普拉斯能量）
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
执行此代码后，我们可以为"graphs.g6"*文件中列出的所有图找到计算拉普拉斯能量，作为"graph6"字符串，位于"result.txt"*。事实上，我们只是将函数*计算拉普拉斯能量*应用到文件的每一行*"graphs.g6"*并将结果写入*"result.txt"*。
/>*距离
*阻力距离
*倒数距离
~~~~~~~~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
>；>；将mathchem导入为mc
>；>；m=mc.mol（'ghch？_
>gt>gt；m.距离矩阵（[[0，1，1，2，3，4，5，3，3，4]，
[1，0，1，2，3，4，2，3]，
[2，1，0，1，2，3，1，2，1，2，1，2，2，2，2，1]，
[3，2，2，2，1]，
[3，2，1]，
[4，2，2，1，1，3，2]，
[5，4，3，3，2，1，1，3，2]，
[5，4，4，3，3，2，2，1，1，1，3，1，2]，
[5，4，0岁，4，3]，
[3，2，1，2，2，3，3，4，0，0，3]，
[4，3，2，1，2，2，3，3，3，3，0]]]]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~光谱半径
*能量
*关联能量
计算拓扑指数：
*萨格勒布m1指数
*萨格勒布m2指数
*萨格勒布m1共指数
*萨格勒布m2共指数
*连接性指数（r）
*偏心连接性指数
*随机指数
*原子键连接性指数（abc）
*所有矩阵的estrada索引（ee）
*distance-estrada指数（dee）
*距离度（dd）
*反向距离度（rdd）
*（schultz）分子拓扑指数（mti）
*距离和
*balaban j指数
*和balaban指数
*kirchhoff指数（kf）或电阻
*wiener指数（w）
*末端wiener指数（tw）
*反向维纳指数（rw）
*超维纳指数（ww）
*原始指数（h）
*和连接性指数
*几何算术指数
*乘法和萨格勒布指数
*乘法p1萨格勒布指数
*乘法p2萨格勒布指数
*148个离散亚得里亚海指数
~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
>；>；将mathchem导入为mc
>；>；m=mc.mol（'ghch？_）
>；>m.反向维纳指数（
72
>；>m.谱（）；默认使用的邻接矩阵
[2.095293985223914，1.355674293978083，0.7376403052281872，0.4772599964740198，
-0.4772599964740197，-0.7376403052281874，-1.35567429399780824，-2.095293985223914]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~br/>>>>>m=mc.mol（'ghch？_
>>gt；m.degrees（）
[1，2，3，3，3，3，2，1，1，1，1，1]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~pip安装mathchem打开：
numpy
在您的sage程序中，请使用se**mathchem**：
sage:import mathchem as mc
sage:m=mc.mol（'ghch？_）
sage:s=m.sage嫒graph（）
sage:s.show（）
sage
sage
sage是GPL授权的免费开源数学软件系统。它将许多现有开源软件包的强大功能结合到一个通用的基于python的界面中。
出于性能原因，我们仅在需要时计算数据，然后保存结果。
例如，我们希望基于距离计算三个指标，例如，*偏心连接指数*、*巴拉班j指数*和*维纳指数*。这意味着我们需要一个*距离矩阵*，我们只计算一次然后使用它：
~~~~~~~~~~~~~~~~~~~~{.python.numberlines}
>；>gt；将mathchem导入为mc
>；>m=mc.mol（'ghch？_）
>；>；在计算第一个索引之前，只计算一次*距离矩阵*。
欢迎加入QQ群-->： 979659372
