Wolfram 知识库 | 应用示例

在代码中点击并按下
+
，即可编辑并运行任何代码。
即时访问真实世界的数据。与整个 Wolfram 语言无缝集成，使用数百个重要领域中不断增加的精心收集的数据进行计算并将其可视化。

使用地理数据进行计算

创建包含地理数据的地图（此计算可能需要较长时间）：
Run
In[]:=
GeoRegionValuePlot
Europe
COUNTRIES
->"GreenhouseGasEmissions",MissingStyle->Blue
Out[]=
获取每个国家的数据集合：
Run
In[]:=
rawdata=EntityValueEntityClass["Country","Countries"],
poverty fraction
,
GDP
nominal|per capita
,
population
,
continent
;
删除缺失数据并按大洲分组：
Run
In[]:=
cleandata=GroupBy[DeleteMissing[rawdata,1,1],Last,MapApply[Function[{pov,gdp,pop},{pov,QuantityMagnitude[gdp],pop}]]];
绘制清理后的数据：
Run
In[]:=
BubbleChartcleandata,


使用物理量进行计算

获取某类谱线的波长数据：
Run
In[]:=
wavelengths=EntityValue
helium I
4000
Å
to
7500
Å
SPECTRAL LINES
,
observed wavelength
;
在可见光谱范围内绘制这些谱线：
Run
In[]:=
Graphics​​Map[​​{ColorData["VisibleSpectrum"][#],Line[{{#,0},{#,1}}]}&,​​QuantityMagnitude[wavelengths,"Nanometers"]​​],
​​
获取物质的热力学数据：
Run
In[]:=
substances={"Water","Methanol","Octane"};​​temps=Quantity[Range[1,130],"DegreesCelsius"];​​densitydata=Table[​​{temps,ThermodynamicData[substance,"Density",{"Temperature"->temps}]}//Transpose,​​{substance,substances}];
可视化获取的数据：
Run
In[]:=
ListLinePlot[densitydata,AxesLabel->Automatic,PlotLegends->substances]
将图中密度骤降点与已知沸点进行比较：
Run
In[]:=
EntityValue[Interpreter["Chemical"][substances],"BoilingPoint","Association"]

使用生物与生态数据计算

在三维空间中绘制解剖结构的位置：
Run
In[]:=
AnatomyPlot3D
heart
ANATOMICAL STRUCTURE
,
lung
ANATOMICAL STRUCTURE

比较解剖实体：
Run
In[]:=
organs=
heart
ANATOMICAL STRUCTURE
,
liver
ANATOMICAL STRUCTURE
,
brain
ANATOMICAL STRUCTURE
;​​properties={"Mass","CellCount"};​​ListPlot[EntityValue[organs,properties,"Association"],AxesLabel->properties]
定义生物序列并探索其结构特性：
Run
In[]:=
insulin=
BioSequence[
]
;​​MoleculePlot[Molecule[insulin]]
定义用于数据检索的实体类：
Run
In[]:=
endangeredMammal=EntityClass"TaxonomicSpecies",
phyletic groups
->
mammal
SPECIES PHYLETIC GROUP
,
conservation status
->
Endangered
SPECIES CONSERVATION STATUS
;​​
直观了解各国濒危哺乳动物的数量：
Run
In[]:=
GeoRegionValuePlot[EntityValue[endangeredMammal,"ObservationCountries"]//Flatten//Tally]
Out[]=

分析金融数据

获取金融数据并以标准格式呈现：
Run
In[]:=
TradingChart["GE",{"Volume","SimpleMovingAverage","BollingerBands"}]
从文本中解析金融实体：
Run
In[]:=
stocks=Interpreter["Financial"][{"GOOGL","MSFT","AAPL"}]
比较实体属性随时间的变化：
Run
In[]:=
property=
cumulative fractional change
;​​DateListPlot​​EntityValuestocks,Datedproperty,Interval
Wed 1 Jan 2020
,Yesterday,PlotLegendsCommonName[stocks]

使用社会文化数据计算

可视化艺术家的流派偏好：
Run
In[]:=
genres=EntityValueEntityClass"Artwork","Artist"->
Rembrandt
PERSON
,"ArtGenre"//Flatten;​​PieChart[Counts[genres],ChartLabels->Automatic]
从隐式定义的城堡类中获取建造起始日期：
Run
In[]:=
castleAndYear=EntityValueEntityClass"Castle",
country
->
United Kingdom
COUNTRY
,"ConstructionStartDate","NonMissingEntityAssociation";
分析时间趋势：
Run
In[]:=
DateHistogram[castleAndYear,{{900},{1300},"Decade"}]
整理特定活跃时期的数据：
Run