Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
NumPy
Wcałejtejksiążceskupiamsięnadpodkreśleniemtego,cojestjużwbibliotecestandar-
dowejPythona,abymożnabyłojaknajlepiejzniejkorzystać.JednakNumPyjesttak
wspaniałe,żeniemogępominąćtegozagadnienia.
DziękizaawansowanymoperacjomnatablicachimacierzachbibliotekiNumPyspra-
wiły,żePythonznalazłsięwgłównymnurcienaukowychaplikacjikomputerowych.
BibliotekaNumPyimplementujewielowymiarowe,homogenicznetabliceitypymacierzo-
we,któreprzechowująnietylkoliczby,aletakżerekordydefiniowaneprzezużytkownika,
orazdostarczawydajnychoperacjinaelementach.
SciPytobibliotekastanowiącanadbudowęNumPyioferującawielenaukowychal-
gorytmówobliczeniowychodalgebryliniowej,obliczeńnumerycznychistatystyki.
BibliotekaSciPyjestszybkainiezawodna,ponieważwykorzystujeszerokoużywanykod
bazowywjęzykachCiFortranzrepozytoriumNetlib(https://fpy.li/2-19).Innymisłowy,
SciPydajenaukowcomto,conajlepszezobuświatów:interaktywnywierszpoleceńiwy-
sokiegopoziomuinterfejsAPIPythona,wrazzzoptymalizowanymifunkcjamiprzetwa-
rzającymiliczbynapisanymiwjęzykachCiFortran.
Stanowiącykrótkądemonstracjęprzykład2-22pokazujepewnepodstawoweoperacje
nadwuwymiarowychtablicachwNumPy.
Przykład2-22Podstawoweoperacjezwierszamiikolumnamiwnumpy.ndarray
>>>importnumpyasnp
>>>a:np.arange(12)
2
1
>>>a
array([0,1,2,3,4,5,6,7,8,9,10,11])
>>>type(a)
<class'numpy.ndarray'
>>>a.shape
3
(12,)
>>>a.shape:3,4
4
>>>a
array([[0,1,2,3],
[4,5,6,7],
>>>a[2]
[8,9,10,11]])
5
array([8,9,10,11])
>>>a[2,1]
6
9
>>>a[:,1]
array([1,5,9])
7
8
>>>a.transpose()
array([[0,4,8],
Kiedylistaniejestrozwiązaniem
|
67
