采用迎风格式、或蛙跃格式，或松野迭代格式，如何用python计算一维线性平流方程数值解。

下面是使用Python实现一维线性平流方程数值解的代码示例，采用的是迎风格式：

import numpy as np
import matplotlib.pyplot as plt

# 定义参数
a = 1.0        # 平流速度
L = 1.0        # 区域长度
T = 1.0        # 模拟时长
nx = 100       # 空间离散化步数
nt = 1000      # 时间离散化步数
dx = L / nx    # 空间离散化步长
dt = T / nt    # 时间离散化步长

# 初始化物理量
u = np.zeros(nx)
u[40:60] = 1.0

# 迭代求解
for n in range(nt):
    # 使用迎风格式进行差分
    un = u.copy()
    for i in range(1, nx):
        if a >= 0:
            u[i] = un[i] - a * dt / dx * (un[i] - un[i-1])
        else:
            u[i] = un[i] - a * dt / dx * (un[i+1] - un[i])

# 绘制结果
x = np.linspace(0, L, nx)
plt.plot(x, u)
plt.xlabel('x')
plt.ylabel('u')
plt.show()

在上述代码中，我们首先定义了一些基本参数，比如平流速度 $a$、区域长度 $L$、模拟时长 $T$、空间离散化步数 $nx$、时间离散化步数 $nt$ 等等。然后初始化物理量 $u$，在 $40$ 到 $60$ 的位置上赋值为 $1.0$。接着进入迭代求解阶段，在每个时间步长内采用迎风格式进行差分计算，最后绘制出数值解的图像。

需要注意的是，该代码只是一个简单的示例，迎风格式是一种一阶精度的差分格式，如果需要更高的精度，可以考虑使用蛙跃格式或松野迭代格式。