Матлаб модуль числа: Как получить модуль числа в MATLAB

Powersys — Модули EMTP-RV

Дополнительные модули для EMTP-RV позволяют расширить возможности системы и связать ее с пакетом Simulink

Новый модуль Simulink Toolbox позволяет импортировать в EMTP-RV модели, разработанные в Simulink в независимости от их сложности за считанные минуты. Для работы модуля необходимы Matlab/Simulink и следующие модули: Matlab Coder, Simulink Coder, Embedded Coder. Модели из Simulink транслируются в DLL файлы и затем импортируются в EMTP-RV с поддержкой всех входных и выходных портов для связи с другими компонентами. Помимо этого, поддерживаются вектора, комплексные сигналы и внешние параметры, значения которых можно задавать в EMTP-RV.

LIOV-EMTP – модуль, предназначенный для расчета перегрузок в воздушных электрических сетях, вызванных ударами молний. Модуль LIOV (Lightning-Induced OverVoltage) позволяет осуществлять расчеты для многопроводниковых линий в зависимости от их положения над поверхностью, их геометрии и положения удара. Помимо этого, модуль позволяет рассчитывать электрические параметры почвы под линиями передач и скорость обратного удара.

Данный модуль разрабатывался исследователями из различных организаций, включая Болонский университет и Федеральную политехническую школу Лозанны, а также Римский университет Ла Сапиенца и итальянскую компанию Centro Elettrotecnico Sperimentale Italiano “G. Motta” CESI S.p.A. Результаты, полученные при расчетах с использованием модуля LIOV, согласуются с различными экспериментальными данными.

Новый модуль, предназначенный для моделирования и анализа защитных систем как во временной, так и в частотных областях. Моделируемы системы могут состоять из произвольного числа компонентов, включая, например, силовые машины, высоковольтные передачи и ветровые генераторы.

Особенностью данного модуля также является возможность моделирования источников возобновляемой энергии. Пользователь получает возможность исследовать самые разнообразные процессы, например, качание мощности в энергосистеме, моделировать дистанционную релейную защиту, перерывы в подаче тока из-за токоограничивающих предохранителей и многое другое.

Новая библиотека содержит 30 стандартных моделей регуляторов, возбудителей и стабилизаторов. Она включает в себя модели, которые согласуются со стандартом IEEE 421.5-2005 “IEEE Recommended Practice for Excitation System Models for Power System Models for Power System Stability Studies”. Все модели импортируются в EMTP-RV буквально за одно нажатие. Для каждого компонента в библиотеке также доступно подробное описание.

• Главная
• Продукты

	EMTP
	EMTP приложения

• Лицензирование
• Мероприятия
• Купить

Ближайшие мероприятия:

Приглашаем Вас на ближайшие мероприятия!

используем MATLAB и Python вместе / Хабр

В этом материале расскажу, как использовать MATLAB и Python вместе (в мире и гармонии). Эти два языка часто используются вместе для разработки приложений ИИ (настолько часто, что существуют прямой импорт и экспорт для сетей глубокого обучения через MATLAB, ONNX и TensorFlow). Вот несколько хороших примеров совместного использования MATLAB и Python: приложения для прогнозирования качества воздуха и алгоритм анализа настроения.

Основы

Во-первых, давайте разберемся с требованиями. Нам понадобится последняя версия Python и MATLABR 2014b или более поздняя. Проверьте здесь конкретную версию.

Это может показаться очевидным, но также необходимо позаботиться о том, чтобы наш код был доступен как для MATLAB, так и для Python. Путь к программным дистрибутивам можно легко обновить с обоих языков.

Вызов Python из MATLAB

Прежде всего, убедимся, что MATLAB может найти интерпретатор Python. Мы можем сделать это в MATLAB с функцией pyenv:

>> pyenv
ans =
  PythonEnvironment with properties:
          Version: "3.6"
       Executable: "C:\Python36\WPy-3670\python-3.  6.7.amd64\python.EXE"
          Library: "C:\Python36\WPy-3670\python-3.6.7.amd64\python36.dll"
             Home: "C:\Python36\WPy-3670\python-3.6.7.amd64"
           Status: Loaded
    ExecutionMode: OutOfProcess
        ProcessID: "20980"
      ProcessName: "MATLABPyHost"

Последнее возвратило версию Python и настройки среды, которые также можно изменить с помощью функции pyenv.

Теперь, когда у нас есть доступ к Python, приступим к делу. Мы попробуем функцию sqrt из математической библиотеки, чтобы понять ее. В Python мы вызываем ее так:

>>> import math
>>> math.sqrt(42)
6.48074069840786

Чтобы вызвать ту же функцию Python из MATLAB, мы можем использовать следующее:

>> py.math.sqrt(42)
ans =
    6.480740698407860

Мы использовали format long для отображения той же точности в MATLAB и Python.

Доступ к модулям и функциям Python осуществляется с помощью следующего синтаксиса:

>> py.module_name.function_name

Таким же образом вызываются пользовательские модули. Например, модуль weather.py в приложении air qualityapp включает функции, которые считывают данные о погоде для данного местоположения через web-API:

>> data = py.weather.get_current_weather("Boston","US",key)
data =
  Python dict with no properties.
{'coord': {'lon': -71.06, 'lat': 42.36}, 'weather': [{'id': 804, 'main': 'Clouds', 'description': 'overcast clouds', 'icon': '04n'}], 'base': 'stations', 'main': {'temp': 53.2, 'feels_like': 34.9, 'temp_min': 51.01, 'temp_max': 55, 'pressure': 1003, 'humidity': 46}, 'visibility': 16093, 'wind': {'speed': 26.4, 'deg': 230, 'gust': 34.45}, 'clouds': {'all': 90}, 'dt': 1587342601, 'sys': {'type': 1, 'id': 3486, 'country': 'US', 'sunrise': 1587290159, 'sunset': 1587339006}, 'timezone': -14400, 'id': 4930956, 'name': 'Boston', 'cod': 200}

Обратите внимание, что на выходе получается словарь Python (в MATLAB). Мы могли бы преобразовать его в тип MATLAB (подробнее о типах данных далее), но пока мы продолжим работать с ним напрямую. Давайте извлечем интересующую информацию с помощью другой функции из модуля:

>> weatherData = py.weather.parse_current_json(data)
data =
  Python dict with no properties.
{'temp': 39.31, 'feels_like': 31.44, 'temp_min': 37, 'temp_max': 41, 'pressure': 1010, 'humidity': 80, 'speed': 8.05, 'deg': 340, 'city': 'Boston', 'lat': 42.36, 'lon': -71.06, 'current_time': '2020-04-18 20:48:00.985146'}

Мы также можем индексировать в словаре, чтобы вспомнить конкретные значения:

>> T = weatherData{"temp"}
T = 39.3100

Обратите внимание, что мы использовали фигурные скобки {} вместо круглых скобок (). В MATLAB фигурные скобки часто используются при доступе к значениям из разнородных типов данных, таких как массивы ячеек и таблицы. Легкий способ запомнить: когда вы используете (), вы получаете подмножество большего набора данных того же типа, то есть массив ячеек или таблицу. И наоборот, если вы используете {}, вы получите индексированное значение в исходном типе данных, то есть double, string, character. Следовательно, в приведенном выше примере dict – это гетерогенный тип данных, и мы будем использовать {}, чтобы получить значение температуры как двойное. В этом примере показано индексирование в Python dict.

Теперь, когда мы получили представление о синтаксисе, давайте поговорим еще об одном различии в вызове функций. Скажем, хотели изменить единицы измерения погодных данных. В Python функция get_forecast принимает аргументы ключевого слова standard Python, как показано в последнем аргументе здесь:

>>> forecast = weather.get_forecast("Boston","US",key,units="metric")

В MATLAB они передаются как пары имя-значение с функцией pyargs:

>> forecast = py.weather.get_forecast("Boston","US",key,pyargs("units","metric")

Теперь, когда мы понимаем, как адаптировать синтаксис Python и вызывать функции из MATLAB, давайте попробуем по- другому.

Вызов MATLAB из Python

API MATLAB Engine для Python позволяет вызывать MATLAB в качестве механизма вычислений, поэтому мы можем использовать функции MATLAB из Python. Во-первых, нам нужно установить его через пакет Python, входящий в состав MATLAB. Выполните следующие команды в командной строке ОС:

$ cd "matlabroot/extern/engines/python"
$ python setup.py install

«Matlabroot» – это каталог, в котором установлен MATLAB (проверьте, вызвав >> matlabroot в MATLAB). Здесь можно посмотреть дополнительную информацию.

А теперь приступим к самому интересному. Чтобы вызвать функции MATLAB из Python, сначала импортируйте и запустите движок (мы также могли бы использовать текущий сеанс MATLAB, если он уже запущен):

>>> import matlab.engine
>>> eng = matlab.engine.start_matlab()

Теперь, когда engine запущен, давайте вызовем функцию извлечения квадратного корня:

>>> x = eng.sqrt(42.0)
6.48074069840786

Обратите внимание, что мы вызываем функцию sqrt с 42.0, а не просто с 42. Подробнее об этом расскажем дальше.

Функции MATLAB вызываются с их собственным синтаксисом, но есть некоторые отчетливые различия. Одно из отличий заключается в способе захвата нескольких выходных данных. Например, в алгоритме анализа настроения код MATLAB возвращает несколько выходных данных. Мы можем указать количество выходов с помощью nargout:

>>> [sentiment,scores] = eng.sentimentAnalysis(text,nargout=2)
Positive
[[0.0,0.510948896408081,0.48905110359191895]]

Точно так же, если функция MATLAB не возвращает выходных данных (скажем, функция записывает результаты в файл), вам нужно передать nargout = 0.

Когда мы закончим, мы должны остановить движок MATLAB, чтобы освободить системные ресурсы:

>>> eng.exit()

Чтобы вызвать операторов MATLAB (например, известный оператор обратный слэш «\» для решения линейных систем уравнений), нам нужно использовать имя функции (mldivide). Вот полный список операторов MATLAB и связанных функций.

Конвертация типов данных

Когда мы ранее вызывали sqrt, мы использовали 42 в MATLAB, но 42.0 в Python. В чем разница?

Ввод 42 возвращает двойное значение в MATLAB и целое число в Python.

>>> eng.sqrt(42.0)
6.48074069840786
>>> eng.sqrt(float(42))
6.48074069840786

Мы также можем использовать целочисленные и другие функции преобразования типов (показанные в таблице ниже) в MATLAB для передачи ожидаемых типов в функции Python.

Это касается входов, но как насчет выходов? Мы уже видели несколько примеров: в MATLAB sqrt вернул значение типа double, но функции в weather.py вернули объекты словаря Python. Так что же происходит? Там где это возможно, выходные данные функции будут представлены соответствующим типом на этом языке. В противном случае мы можем преобразовать данные в соответствующие типы.

В таблице ниже показаны сопоставления для общих типов данных (полный список тут).

Некоторые специализированные типы данных MATLAB, такие как timetable или categorical, потребуют некоторого дополнительного внимания и должны быть преобразованы вручную. Конечно, мы все еще можем использовать эти типы данных в наших функциях, но функции должны возвращать типы, которые интерпретатор Python может понять.

Если все эти передачи данных и преобразования между MATLAB и Python выглядят слишком муторными, хочу вас успокоить, этого часто можно избежать, если спланировать совместное использование заранее. Например, в алгоритме анализа настроения аудиоданные импортируются как целые числа (вместо двойного по умолчанию), которые затем напрямую передаются в функцию Python. 

Файлы также часто используются для передачи данных, особенно при совместной работе между группами и разными языками. Если наши данные являются табличными, мы можем использовать Apache Parquet для передачи данных между двумя языками. MATLAB использует Apache Arrow для эффективного чтения и записи данных в Parquet. Мы можем читать данные, выполнять вычисления и записывать данные в Parquet с нескольких поддерживаемых языков.

Это обычный конвейер для работы с большими наборами данных, который помогает избежать копирования и лишних трат времени при преобразовании (Подробнее тут).

Обработка ошибок

До сих пор мы говорили о том, как избежать ошибок, теперь обсудить как интерпретировать сообщения об ошибках, на случай если избежать их не удалось. Есть несколько отличных страниц документации по устранению распространенных проблем, таких как ошибки Python из MATLAB и ошибки MATLAB из Python.

Но нам бы пришлось потратить весь день разбираясь как читать сообщения об ошибках, думаю, полезней будет научиться определять откуда исходит ошибка от MATLAB или от Python. Если мы посмотрим на сообщение об ошибке, мы увидим указание на то, где возникла ошибка.

Давайте снова вызовем sqrt, но с неправильным типом данных:

>> py.math.sqrt("42")
Python Error: TypeError: must be real number, not str

В MATLAB мы видим ошибку Python в начале строки, за которой следует ошибка, вызванная Python, что упрощает отладку! MATLAB перехватил исключение Python и повторно выбросил его как исключение MATLAB exception, содержащее то же сообщение.

Сделаем то же самое из Python:

>>> eng. sqrt("42")
Traceback (most recent call last):
...
MatlabExecutionError: Undefined function 'sqrt' for input arguments of type 'char'.

Здесь минимизирована обратная трассировка Python, но если мы посмотрим на последнюю строку, мы увидим MatlabExecutionError и сообщение об ошибке MATLAB. Исключение MATLAB было поймано и повторно вызвано как исключение Python с тем же сообщением.

Мы сохраняем простоту, но есть более изощренные способы перехвата исключений, которые могут быть полезны для тестирования и совместного использования приложений. Подробнее читайте здесь.

Создание Python Packages из MATLAB Code

Пока мы обсудили только использование MATLAB из Python и наоборот, предполагая, что оба языка установлены на одном компьютере. Как быть если мы хотим поделиться своей работой с теми, у кого не установлен MATLAB? Для этого можно использовать MATLAB Compiler SDK, который позволит нам упаковать код MATLAB и вспомогательные файлы на других языках.  

В примере с приложением прогнозирующим качества воздуха этот процесс используется для создания пакета Python из функции MATLAB prediction, predAirQual. m. Мы можем использовать приложение компилятора библиотеки и выбрать функцию(и) для включения (зависимости обнаруживаются автоматически).

Приложение упаковывает необходимые нам файлы и создает файлы setup.py и readme.txt с инструкциями в Python.

Чтобы вызвать это в Python, существует этап установки, аналогичный процессу для MATLAB Engine API (инструкции здесь), с использованием сгенерированного файла setup.py.

Затем нам нужно импортировать и инициализировать пакет и вызывать функции, например:

>>> import AirQual
>>> aq = AirQual.initialize()
>>> result = aq.predictAirQual()

После окончания необходимо завершить процесс:

>>> aq.terminate()

Пример с приложением для прогнозирования качества воздуха идет на один шаг дальше в совместном использовании функциональности MATLAB в веб-интерфейсе. В этом случае производственный сервер MATLAB может использоваться для балансировки нагрузки, а к коду MATLAB можно получить доступ через RESTful API или Pythonclient.

Интересные видео по теме:

• Using MATLAB with Python (здесь подробнее разбирается упомянутый в материале пример приложения для прогнозирования качества воздуха)

• How to Call Python from MATLAB

• How to Call MATLAB from Python 

Matlab — MATLAB и Simulink

Matlab Модуль Python ^® предоставляет классы массивов для представления массивов числовых типов MATLAB ^® в виде переменных Python, чтобы массивы MATLAB можно было передавать между Python и MATLAB.

Классы MATLAB в

• Вы можете использовать числовые массивы MATLAB в коде Python, импортировав пакет Matlab Python и вызов необходимых конструкторов. Например:

   импортировать матлаб
  a = matlab.double([[1, 2, 3],[4, 5, 6]]) 

  Имя конструктора указывает числовой тип MATLAB. Вы можете передать массивы MATLAB в качестве входных параметров функциям MATLAB, вызываемым из Python. Когда функция MATLAB возвращает числовой массив в качестве выходного аргумента, массив возвращается в Python.

• Вы можете инициализировать массив с помощью дополнительного ввода инициализатора аргумент, содержащий числа. аргумент инициализатора должен быть тип последовательности Python, такой как список , кортеж или диапазон . Вы можете указать инициализатор , содержащий несколько последовательностей чисел.

• Вы можете инициализировать массив с необязательным входным аргументом vector , который содержит входные данные размера 1 на N. Если вы используете вектор , вы не можете использовать инициализатор .

• Вы можете создать многомерный массив, используя один из следующих вариантов:

  • Укажите вложенную последовательность без указания размера.

  • Укажите вложенную последовательность, а также укажите размер входной аргумент, который соответствует размерам вложенного последовательность.

  • Укажите одномерную последовательность вместе с многомерной размер. В этом случае предполагается, что последовательность представляет собой элементы в порядке столбцов.

• Вы можете создать массив MATLAB комплексных чисел, установив необязательный is_complex аргумент ключевого слова для Правда .

• Вы можете использовать пользовательские типы для инициализации массивов MATLAB в Python. Пользовательский тип должен реализовывать протокол буфера Python. Одним из примеров является ndarray в NumPy.

 matlab.uint32(инициализатор= Нет|вектор=Нет,
размер = нет,
is_complex=False) 

 matlab.double (инициализатор = нет | вектор = Никто,
размер = нет,
is_complex=False) 

 >>> a = matlab.double(4) 

 >>> b = matlab.double(vector=[11, 22, 33]) 

 >>> c = matlab.double ([[10, 20],[30,40]]) 

 >>> d = matlab.double(initializer=[[10, 20],[30,40]], size=[2,2],is_complex=False) 

 >>> e = matlab.double (вектор = диапазон (0, 20))
 

 >>> f = matlab.double (vector = [x * x для x в диапазоне (0, 10, 2)])
 

 >>> g = matlab.double([[1.1+2.4j, 3+4j],[5.3,6.7]], is_complex=True) 

 matlab.single (инициализатор = нет | вектор = нет,
размер = нет,
is_complex=False) 

 >>> a = matlab.single([[1.1, 2.2, 3.3],[4.4, 5.5, 6.6]]) 

 >>> a = matlab.single(vector=[11 , 22, 33], is_complex=False) 

 matlab.int8(initializer=None|vector=None,
размер = нет,
is_complex=False) 

 >>> a = matlab.int8([[11, 22, 33],[44, 55, 66]]) 

 >>> a = matlab.int8(vector=[11, 22, 33], is_complex=False) 

 >>> e = matlab.int16([[1+2j, 3+4j],[-5,6]], is_complex=True) 

 matlab.int32 (инициализатор = нет | вектор = нет,
размер = нет,
is_complex=ложь) 

 >>> a = matlab.int32(initializer=[[11, 22, 33],[44, -55, 66]], size=[2,3], is_complex=False) 

 matlab.int64 (инициализатор = нет | вектор = нет,
размер = нет,
is_complex=False) 

 >>> a = matlab.int64([[11, 22, 33],[44, -55, 66]]) 

 matlab.uint8 (инициализатор = Нет | вектор = Нет,
размер = нет,
is_complex=ложь) 

 >>> a = matlab.uint8([[11, 22, 33],[44, 55, 66]]) 

 >>> b = matlab.uint8(vector=[11, 22, 33 ], is_complex=False) 

 matlab.uint16(initializer=None|vector=None,
размер = нет,
is_complex=False) 

 >>> a = matlab.uint16(initializer=[[11, 22, 33],[44, 55, 66]], size=[2,3], is_complex=False) 

 >>> b = matlab.uint16(vector=[11, 22, 33], is_complex=False) 

 >>> c = matlab.uint16([[11, 22, 33],[44, 55, 66]]) 

 >>> a = matlab.uint32(vector=[11, 22, 33], is_complex=False) 

 >>> b = matlab.uint32([[11, 22, 33] ,[44, 55, 66]]) 

 matlab.uint64 (инициализатор = нет | вектор = нет,
размер = нет,
is_complex=False) 

 >>> a = matlab.uint64([[11, 22, 33],[44, 55, 66]]) 

 >>> b = matlab.uint64(vector=[11 , 22, 33], is_complex=False) 

 matlab.logical(initializer=None|vector=None,
size=None)  a  

 >>> a = matlab.logical(initializer=[[True, False, True],[True, True, True]], size=[2,3]) 

 >>> b = matlab.logical([[True, False, True],[True, True, True]]) 

 >>> c = matlab.logical(vector=[True, False, True]) 

 >>> d = matlab.logical([True, False, True]) 

Свойства и методы классов MATLAB в пакете

 >>> a = matlab. int16([[1, 2, 3],[4, 5, 6]])
>>> а.размер
(2, 3) 

 >>> a = matlab.int16()
>>> a.itemsize
2
>>> b = matlab.int32()
>>> b.размер элемента
4 

 >>> a = matlab.int16(
[[1, 2, 3], [4, 5, 6]])
>>> b = a.clone()
>>> печатать(б)
[[1,2,3],[4,5,6]]
>>> б[0][0] = 100
>>> б матлаб.int16(
[[100,2,3],[4,5,6]])
>>> напечатать(а)
[[1,2,3],[4,5,6]] 

 >>> a = matlab. int16([[1 + 10j,
2 + 20j, 3 + 30j], [4, 5, 6]],
is_complex=Истина)
>>> печать (a.real())
[1,4,2,5,3,6] 

 >>> a = matlab.int16([[1 + 10j,
2 + 20j, 3 + 30j], [4, 5, 6]],
is_complex=Истина)
>>> печать (a.imag())
[10,0,20,0,30,0] 

 >>> a = matlab.int16(
[[1, 2, 3], [4, 5, 6]])
>>> print(a.noncomplex())
[1,4,2,5,3,6] 

 >>> a = matlab.int16(
[[1, 2, 3], [4, 5, 6]])
>>> напечатать(а)
[[1,2,3],[4,5,6]]
>>> a.reshape(3, 2)
>>> напечатать(а)
[[1,5],[4,3],[2,6]] 

 >>> a = matlab. int16(
[[1, 2, 3], [4, 5, 6]])
>>> a[0].toarray()
массив('ч', [1, 2, 3])
>>> b = matlab.int16(
[[1 + 10j, 2 + 20j,
3 + 30j], [4, 5, 6]],
is_complex=Истина)
>>> b.real().toarray()
массив('ч', [1, 4, 2, 5, 3, 6]) 

 >>> a = matlab.int16(
[[1, 2, 3], [4, 5, 6]])
>>> b = a.tomemoryview()
>>> б.толист()
[[1, 2, 3], [4, 5, 6]]
>>> б.форма
(2, 3) 

 импорт матлаб
A = matlab.int8 ([1,2,3,4,5])
печать (A.размер)
(1, 5)
 

 импорт матлаб
A = matlab.double([[1,2,3,4,5], [6,7,8,9,10]])
печать(А)
[[1.0,2.0,3.0,4.0,5.0],[6.0,7.0,8.0,9.0,10.0]]
 

 печать (размер А)
(2, 5)
 

 импорт матлаб
A = matlab.int8 ([1,2,3,4,5])
печать (А [0])
[1,2,3,4,5]
 

 print(A[0][2])
3
 

 A = matlab.double([[1,2,3,4,5], [6,7,8,9,10]])
печать (А [1] [2])
8,0
 

 импорт матлаб
A = matlab.int8([[1,2,3,4,5]])
печать (А [0] [1: 4])
[2,3,4]
 

 A = matlab.double([[1,2,3,4],[5,6,7,8]])
А[0] = [10,20,30,40]
печать(А)
[[10.0,20.0,30.0,40.0],[5.0,6.0,7.0,8.0]] 

 A = matlab.int8([1,2,3,4,5,6,7,8])
А[0][2:4] = [30,40]
А[0][6:8] = [70,80]
печать(А)
[[1,2,30,40,5,6,70,80]]
 

 импорт матлаб
A = matlab.int8 ([1,2,3,4,5,6,7,8,9])
А. изменить форму ((3,3))
печать(А)
[[1,4,7],[2,5,8],[3,6,9]]
 

 импорт матлаб
импортировать numpy
nf = numpy.array([[1.1, 2,2, 3.3], [4.4, 5.5, 6.6]])
md = matlab.double (nf)
ni32 = numpy.array([[1, 2, 3], [4, 5, 6]], dtype='int32')
mi32 = matlab.int32 (ni32)
 

 пинум = py.math.radians(90) 

 пинум = 1,5708
 

 класс(пинум) 

 анс =
'двойной'
 

 py.int(intmax).bit_length 

 анс =  int64 
    31
 

 загрузка пациентов.мат
класс (высота) 

 ответ =
'двойной'
 

 размер (высота) 

 инс =  1×2 
   100 1
 

 py.math.fsum(Высота) 

 анс = 6707
 

 P = py.array.array('d', 1:5) 

 P =
  Массив Python со свойствами:
    размер элемента: 8
    код типа: [1×1 py.str]
    массив('d', [1. 0, 2.0, 3.0, 4.0, 5.0])
 

 сумма(двойной(P)) 

 анс = 15
 

 обр = py.array.array('i',[int32(5),int32(1),int32(-5)]) 

 обр =
  Массив Python со свойствами:
    размер элемента: 4
    код типа: [1×1 py.str]
    массив('i', [5, 1, -5])
 

 обр.задний ход
A = int32(arr) 

 A =  1×3 int32 вектор-строка 
   -5 1 5
 

 d = py.datetime.date(int32(2014),int32(12),int32(31)) 

 d =
  Дата Python со свойствами:
      день: 31
    месяц: 12
     год: 2014
    2014-12-31
 

 py.int(5) 

 анс =
  Python int со свойствами:
    знаменатель: 1
           изображение: 0
      числитель: 5
           реальный: 5
    5