Diese Bibliothek berechnet symbolisch die Gaussche Fehlerfortpflanzung und bietet noch ein paar goodies.
Hier mal ein Anwendungsbeispiel: Compton Streuung
import matplotlib.pyplot as plt
import numpy as np
from SecondaryValue import SecondaryValue
import scipy.constants as const
mu = SecondaryValue('cos(theta)')
kappa = SecondaryValue('E_in/(m*c^2)', defaults=dict(c=const.c))
E = SecondaryValue('E_in/(1+kappa*(1-mu))',
dependencies=dict(mu=mu, kappa=kappa))
t_opt = SecondaryValue('(N_g + N_0)/(prec^2*(N_g-N_0)^2)')
E gibt die Energie des gestreuten Photons in Abhaehngigkeit von kappa und mu oder, und das ist der clou bei dependencies, auch von Masse, einfallender Energie und Streuwinkel.
>>> E(mu=1, kappa=1, E_in=1)
1.0
>>> E(kappa=1, theta=1, E_in=1)
0.6850733573260451