Python Numpy Tutorial (met Jupyter en Colab)

animals = for animal in animals: print(animal)# Prints "cat", "dog", "monkey", each on its own line.

Als u toegang wilt tot de index van elk element in het lichaam van een lus,gebruik dan de ingebouwde enumeratefunctie:

overzicht:bij het programmeren, vaak gebruiken we wilt u het ene type gegevens in een ander te transformeren.,Als een simpel voorbeeld, beschouw de volgende code die berekent vierkante nummers:

nums = squares = for x in nums: squares.append(x ** 2)print(squares) # Prints 

U kunt deze code eenvoudiger met behulp van een lijst-comprehensie:

nums = squares = print(squares) # Prints 

Lijst comprehensions kan ook bevatten voorwaarden:

nums = even_squares = print(even_squares) # Prints ""

Woordenboeken

Een woordenboek winkels (key, value) – paren, vergelijkbaar met een Map in Java oran object in Javascript., U kunt het als volgt gebruiken:

u kunt alles vinden wat u moet weten over woordenboeken in de documentatie.

Loops: het is gemakkelijk om te herhalen over de sleutels in een woordenboek:

Als u toegang wilt tot sleutels en hun bijbehorende waarden, gebruik dan de items methode:

begrijpelijke taal:deze zijn vergelijkbaar met begrijpelijke woorden, maar u kunt eenvoudig dictionaries construeren. Bijvoorbeeld:

nums = even_num_to_square = {x: x ** 2 for x in nums if x % 2 == 0}print(even_num_to_square) # Prints "{0: 0, 2: 4, 4: 16}"

Sets

Een set is een ongeordende verzameling van verschillende elementen., Als een eenvoudig voorbeeld, overweeg het volgende:

zoals gewoonlijk kan alles wat u wilt weten over sets worden gevonden in de documentatie.,

Lussen:Itereren over een set heeft dezelfde syntax als itereren over een lijst, maar sinds sets zijn ongeordende, je maakt geen veronderstellingen over de orderin dat u een bezoek aan de onderdelen van de set:

animals = {'cat', 'dog', 'fish'}for idx, animal in enumerate(animals): print('#%d: %s' % (idx + 1, animal))# Prints "#1: fish", "#2: dog", "#3: cat"

Stel comprehensions:Zoals lijsten en woordenboeken, kunnen we gemakkelijk construct stelt met behulp van set comprehensions:

from math import sqrtnums = {int(sqrt(x)) for x in range(30)}print(nums) # Prints "{0, 1, 2, 3, 4, 5}"

Tupels

Een tupel is een (onveranderlijke) geordende lijst van waarden.,Een tupel is in veel opzichten vergelijkbaar met een lijst; een van de belangrijkste verschillen is dat veelvouden kunnen worden gebruikt als sleutels in woordenboeken en als elementen van Verzamelingen, terwijl lijsten dat niet kunnen.Hier is een triviaal voorbeeld:

de documentatie bevat meer informatie over tupels.

functies

Python-functies worden gedefinieerd met behulp van hetdef sleutelwoord. Bijvoorbeeld:

We zullen vaak functies definiëren om optionele sleutelwoordargumenten te nemen, zoals dit:

Er is veel meer informatie over Python-functies in de documentatie.,

klassen

de syntaxis voor het definiëren van klassen in Python is eenvoudig:

u kunt veel meer lezen over Python-klassen in de documentatie.

Numpy

Numpy is de kernbibliotheek voor wetenschappelijke computing in Python.It biedt een high-performance multidimensionale array object, en hulpmiddelen voor het werken met deze stralen. Als u al bekend bent met MATLAB, kunt u deze tutorial nuttig vinden om aan de slag te gaan met Numpy.

Arrays

een numpy array is een raster van waarden, allemaal van hetzelfde type, en wordt geïndexeerd door een tupel van niet-negatieve gehele getallen., Het aantal dimensies is de rang van de array; de vorm van een array is een tupel van gehele getallen die de grootte van de array langs elke dimensie geeft.

We kunnen numpy arrays initialiseren vanuit geneste Python lijsten,en toegang krijgen tot elementen met vierkante haakjes:

Numpy biedt ook veel functies om arrays te maken:

u kunt meer lezen over andere methoden voor het aanmaken van arrays in de documentatie.

Array-indexering

Numpy biedt verschillende manieren om in arrays te indexeren.

Slicing: net als Python lists kunnen numpy arrays worden gesneden.,Omdat arrays multidimensionaal kunnen zijn, moet u een slice opgeven voor elke dimensionvan de array:

u kunt ook integer indexeren mengen met slice indexeren.Dit zal echter een array van lagere rang opleveren dan de originele array.Merk op dat dit heel anders is dan de manier waarop MATLAB arrayslicing afhandelt:

Integer array indexing:wanneer u indexeert naar numpy arrays met behulp van slicing, zal de resulterende array altijd een subarray van de originele array zijn. Integer arrayindex daarentegen stelt u in staat om willekeurige arrays te construeren met behulp van de gegevens van een andere array., Hier is een voorbeeld:

een handige truc met integer array indexing is het selecteren of muteren van een element uit elke rij van een matrix:

Boolean array indexing:Boolean array indexing laat je willekeurige elementen van een array kiezen.Vaak wordt dit type indexering gebruikt om de elementen van een reeks te selecteren die aan een bepaalde voorwaarde voldoen. Hier is een voorbeeld:

voor beknoptheid hebben we veel details over numpy array indexing weggelaten;als je meer wilt weten moet je de documentatie lezen.

Datatypes

elke nompy array is een raster van elementen van hetzelfde type.,Numpy biedt een grote set numerieke datatypes die u kunt gebruiken om arrays te construeren.Numpy probeert een datatype te raden wanneer je een array maakt, maar functies die constructarrays bevatten meestal ook een optioneel argument om het datatype expliciet te specificeren.Hier is een voorbeeld:

u kunt alles lezen over numpy datatypein de documentatie.,

Array math

elementaire wiskundige functies werken elementair op arrays, en zijn beschikbaar als operator overloads en als functies in de numpy module:

merk op dat in tegenstelling tot MATLAB, * is elementair vermenigvuldigen, niet matrixmultiplication. In plaats daarvan gebruiken we de functie dot om innerproducten van vectoren te berekenen, om een vector te vermenigvuldigen met een matrix, en om multiply matrices., dot is zowel beschikbaar als een functie in de numpymodule als als een instantiemethode van array-objecten:

Numpy biedt vele nuttige functies voor het uitvoeren van berekeningen op arrays; een van de meest bruikbare is sum:

u kunt de volledige lijst van wiskundige functies vinden die nump biedt in de documentatie.

behalve het berekenen van wiskundige functies met behulp van arrays, moeten we vaak gegevens in arrays opnieuw vormgeven of anderszins manipuleren., Het eenvoudigste voorbeeld van dit type operatie is het transponeren van een matrix; om een matrix te transponeren,gebruik je gewoon het T attribuut van een array object:

Numpy biedt veel meer functies voor het manipuleren van arrays; je kunt de volledige lijst in de documentatie zien.

Broadcasting

Broadcasting is een krachtig mechanisme waarmee numpy kan werken met arrays van verschillende vormen bij het uitvoeren van rekenkundige bewerkingen. Vaak hebben we een kleinere array en een grotere array, en we willen de kleinere array meerdere keren gebruiken om een operatie uit te voeren op de grotere array.,

bijvoorbeeld, stel dat we een constante vector willen toevoegen aan elke groei van een matrix. We zouden het als volgt kunnen doen:

Dit werkt; maar als de matrix x erg groot is, kan het berekenen van een expliciete loopin Python traag zijn. Merk op dat het toevoegen van de vector v aan elke rij van de matrixx gelijk is aan het vormen van een matrix vv door meerdere kopieën van v verticaal te stapelen en vervolgens de optelling van x en vv., We zouden deze aanpak als volgt kunnen implementeren:

Numpy broadcasting stelt ons in staat om deze berekening uit te voeren zonder daadwerkelijk meerdere kopieën van vte maken., Overweeg deze versie, met behulp van uitzending:

De regel y = x + v werkt ook al x heeft de vorm (4, 3) en v heeft de vorm(3,) door omroep; deze regel werkt als v eigenlijk had de vorm (4, 3),waarbij elke rij was een kopie van de v, en de som werd uitgevoerd elementwise.,

twee arrays samen uitzenden volgt deze regels:

1. als de arrays niet dezelfde rang hebben, vervang dan de vorm van de array met 1s tot beide vormen dezelfde lengte hebben.
2. de twee arrays zijn compatibel in een dimensie als ze de samesize in de dimensie hebben, of als een van de arrays Grootte 1 in die dimensie heeft.
3. de arrays kunnen samen worden uitgezonden als ze compatibel zijn in alle dimensies.
4. na het uitzenden gedraagt elke array zich alsof hij een vorm heeft die gelijk is aan het elementwisemaximum van vormen van de twee invoerarrays.,
5. in elke dimensie waar een array Grootte 1 had en de andere array grootte groter dan 1,gedraagt de eerste array zich alsof hij gekopieerd werd langs die dimensie

als deze uitleg niet zinvol is, probeer dan de uitleg uit de documentatieof deze uitleg te lezen.

functies die omroep ondersteunen staan bekend als universele functies. U kunt de lijst met alle universele functies vinden in de documentatie.,

Hier zijn enkele toepassingen van broadcasting:

Broadcasting maakt uw code doorgaans beknopter en sneller, dus u moet ernaar streven om het waar mogelijk te gebruiken.

Numpy documentatie

Dit korte overzicht heeft veel van de belangrijke dingen aangeroerd die u over numpy moet weten, maar is verre van compleet. Check out thenumpy referenceom veel meer te weten te komen over numpy.

SciPy

Numpy biedt een high-performance multidimensionale array en basic tools om deze arrays te verwerken en te manipuleren.,SciPybuilds op dit, en biedt een groot aantal functies die werken op numpy arrays en zijn nuttig voor verschillende soorten wetenschappelijke en technische toepassingen.

De beste manier om vertrouwd te raken met SciPy is de documentatie door te bladeren.We zullen enkele delen van SciPy benadrukken die je nuttig zou kunnen vinden voor deze klas.

Afbeeldingsbewerkingen

SciPy biedt enkele basisfuncties om met afbeeldingen te werken.Het heeft bijvoorbeeld functies om afbeeldingen van schijf in numpy arrays te lezen, numpy arrays als images naar schijf te schrijven en afbeeldingen te verkleinen.,Hier is een eenvoudig voorbeeld dat deze functies laat zien:

Links: de originele afbeelding. Rechts: de getinte en aangepaste afbeelding.

MATLAB-bestanden

met de functies scipy.io.loadmat en scipy.io.savemat kunt u MATLAB-bestanden lezen en schrijven. U kunt hierover lezen in de documentatie.

afstand tussen punten

SciPy definieert enkele nuttige functies voor het berekenen van afstanden tussen verzamelingen van punten.,

De functie scipy.spatial.distance.pdist berekent de afstand tussen alle paren punten in een gegeven verzameling:

u kunt alle details over deze functie lezen in de documentatie.

een soortgelijke functie (scipy.spatial.distance.cdist) berekent de afstand tussen alle pairsacross twee sets van punten; u kunt hierover lezen in de documentatie.

Matplotlib

Matplotlib is een plot library.In deze sectie geeft een korte introductie van dematplotlib.pyplot module, die een plotsysteem biedt vergelijkbaar met dat van MATLAB.,

plotten

de belangrijkste functie in matplotlib is plot,waarmee u 2D-gegevens kunt plotten. Hier is een eenvoudig voorbeeld:

het uitvoeren van deze code levert de volgende plot op:

met een klein beetje extra werk kunnen we eenvoudig meerdere regels tegelijk plotten, en een titel, legende en aslabels toevoegen:

u kunt lezen veel meer over de functie plot in de documentatie.,

Subplots

u kunt verschillende dingen plotten in dezelfde figuur met behulp van de subplot functie.Hier is een voorbeeld:

u kunt veel meer lezen over de functie subplot in de documentatie.

afbeeldingen

u kunt de functie imshow gebruiken om afbeeldingen te tonen. Hier is een voorbeeld: