Роман Сузи - Язык программирования Python
- Название:Язык программирования Python
- Автор:
- Жанр:
- Издательство:неизвестно
- Год:неизвестен
- ISBN:нет данных
- Рейтинг:
- Избранное:Добавить в избранное
-
Отзывы:
-
Ваша оценка:
Роман Сузи - Язык программирования Python краткое содержание
Курс посвящен одному из бурно развивающихся и популярных в настоящее время сценарных языков программирования — Python. Язык Python позволяет быстро создавать как прототипы программных систем, так и сами программные системы, помогает в интеграции программного обеспечения для решения производственных задач. Python имеет богатую стандартную библиотеку и большое количество модулей расширения практически для всех нужд отрасли информационных технологий. Благодаря ясному синтаксису изучение языка не составляет большой проблемы. Написанные на нем программы получаются структурированными по форме, и в них легко проследить логику работы. На примере языка Python рассматриваются такие важные понятия как: объектно–ориентированное программирование, функциональное программирование, событийно–управляемые программы (GUI–приложения), форматы представления данных (Unicode, XML и т.п.). Возможность диалогового режима работы интерпретатора Python позволяет существенно сократить время изучения самого языка и перейти к решению задач в соответствующих предметных областях. Python свободно доступен для многих платформ, а написанные на нем программы обычно переносимы между платформами без изменений. Это обстоятельство позволяет применять для изучения языка любую имеющуюся аппаратную платформу.
Язык программирования Python - читать онлайн бесплатно ознакомительный отрывок
Интервал:
Закладка:
accumulate() |
Аккумулирование результата. |
outer() |
Внешнее «произведение». |
reduce() |
Сокращение. |
reduceat() |
Сокращение в заданных точках. |
Пример с функцией add()позволяет понять смысл универсальной функции и ее методов:
>>> from Numeric import add
>>> add([[1, 2], [3, 4]], [[1, 0], [0, 1]])
array([[2, 2],
[3, 5]])
>>> add([[1, 2], [3, 4]], [1, 0])
array([[2, 2],
[4, 4]])
>>> add([[1, 2], [3, 4]], 1)
array([[2, 3],
[4, 5]])
>>> add.reduce([1, 2, 3, 4]) # т.е. 1+2+3+4
10
>>> add.reduce([[1, 2], [3, 4]], 0) # т.е. [1+3 2+4]
array([4, 6])
>>> add.reduce([[1, 2], [3, 4]], 1) # т.е. [1+2 3+4]
array([3, 7])
>>> add.accumulate([1, 2, 3, 4]) # т.е. [1 1+2 1+2+3 1+2+3+4]
array([ 1, 3, 6, 10])
>>> add.reduceat(range(10), [0, 3, 6]) # т.е. [0+1+2 3+4+5 6+7+8+9]
array([ 3, 12, 30])
>>> add.outer([1,2], [3,4]) # т.е. [[1+3 1+4] [2+3 2+4]]
array([[4, 5],
[5, 6]])
Методы accumulate(), reduce()и reduceat()принимают необязательный аргумент — номер размерности, используемой для соответствующего действия. По умолчанию применяется нулевая размерность.
Универсальные функции, помимо одного или двух необходимых параметров, позволяют задавать и еще один аргумент, для приема результата функции. Тип третьего аргумента должен строго соответствовать типу результата. Например, функция sqrt()даже от целых чисел имеет тип Float.
>>> from Numeric import array, sqrt, Float
>>> a = array([0, 1, 2])
>>> r = array([0, 0, 0], Float)
>>> sqrt(a, r)
array([ 0. , 1. , 1.41421356])
>>> print r
[ 0. 1. 1.41421356]
Не следует использовать в качестве приемника результата массив, который фигурирует в предыдущих аргументах функции, так как при этом результат может быть испорчен. Следующий пример показывает именно такой вариант:
>>> import Numeric
>>> m = Numeric.array([0, 0, 0, 1, 0, 0, 0, 0])
>>> add(m[:-1], m[1:], m[1:])
array([0, 0, 1, 1, 1, 1, 1])
В таких неоднозначных случаях необходимо использовать промежуточный массив.
Функции модуля Numeric
Следующие функции модуля Numericявляются краткой записью некоторых наиболее употребительных сочетаний функций и методов:
| Функция | Аналог функции |
|---|---|
sum(a, axis) |
add.reduce(a, axis) |
cumsum(a, axis) |
add.accumulate(a, axis) |
product(a, axis) |
multiply.reduce(a, axis) |
cumproduct(a, axis) |
multiply.accumulate(a, axis) |
alltrue(a, axis) |
logical_and.reduce(a, axis) |
sometrue(a, axis) |
logical_or.reduce(a, axis) |
Параметр axisуказывает размерность.
Функции для работы с массивами
Функций достаточно много, поэтому подробно будут рассмотрены только две из них, а остальные сведены в таблицу.
Функция Numeric.take()позволяет взять часть массива по заданным на определенном измерении индексам. По умолчанию номер измерения (третий аргумент) равен нулю.
>>> import Numeric
>>> a = Numeric.reshape(Numeric.arrayrange(25), (5, 5))
>>> print a
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]
[20 21 22 23 24]]
>>> print Numeric.take(a, [1], 0)
[ [5 6 7 8 9]]
>>> print Numeric.take(a, [1], 1)
[[ 1]
[ 6]
[11]
[16]
[21]]
>>> print Numeric.take(a, [[1,2],[3,4]])
[[[ 5 6 7 8 9]
[10 11 12 13 14]]
[[15 16 17 18 19]
[20 21 22 23 24]]]
В отличие от среза, функция Numeric.take()сохраняет размерность массива, если конечно, структура заданных индексов одномерна. Результат Numeric.take(a, [[1,2],[3,4]])показывает, что взятые по индексам части помещаются в массив со структурой самих индексов, как если бы вместо 1было написано [5 6 7 8 9], а вместо 2— [10 11 12 13 14]и т.д.
Функция Numeric.diagonal() возвращает диагональ матрицы. Она имеет следующие аргументы:
a |
Исходный массив. |
offset |
Смещение вправо от «главной» диагонали (по умолчанию 0). |
axis1 |
Первое из измерений, на которых берется диагональ (по умолчанию 0). |
axis2 |
Второе измерение, образующее вместе с первым плоскость, на которой и берется диагональ. По умолчанию axis2=1. |
Функция Numeric.trace()(для вычисления следа матрицы) имеет те же аргументы, но суммирует элементы на диагонали. В примере ниже рассмотрены обе эти функции:
>>> import Numeric
>>> a = Numeric.reshape(Numeric.arrayrange(16), (4, 4))
>>> print a
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
>>> for i in range(-3, 4):
... print "Sum", Numeric.diagonal(a, i), "=", Numeric.trace(a, i)
...
Sum [12] = 12
Sum [ 8 13] = 21
Sum [ 4 9 14] = 27
Sum [ 0 5 10 15] = 30
Sum [ 1 6 11] = 18
Sum [ 2 7] = 9
Sum [ 3] = 3
Эта функция использует один массив с целыми числами от 0до nдля выбора значения из одного из заданных массивов:
>>> a = Numeric.identity(4)
>>> b0 = Numeric.reshape(Numeric.arrayrange(16), (4, 4))
>>> b1 = -Numeric.reshape(Numeric.arrayrange(16), (4, 4))
>>> print Numeric.choose(a, (b0, b1))
[[ 0 1 2 3]
[ 4 -5 6 7]
[ 8 9 -10 11]
[ 12 13 14 -15]]
Следующая таблица приводит описания функций модуля Numeric.
| Функция и ее аргументы | Назначение функции |
|---|---|
allclose(a, b[, eps[, A]]) |
Сравнение aи bс заданными относительными epsи абсолютными Aпогрешностями. По умолчанию epsравен 1.0e–1, а A = 1.0e–8. |
alltrue(a[, axis]) |
Логическое И по всей оси axisмассива a |
argmax(a[, axis]) |
Индекс максимального значения в массиве по заданному измерению axis |
argmin(a[, axis]) |
Индекс минимального значения в массиве по заданному измерению axis |
argsort(a[, axis]) |
Индексы отсортированного массива, такие, что take(a, argsort(a, axis), axis)дает отсортированный массив a, как если бы было выполнено sort(a, axis) |
array(a[, type]) |
Создание массива на основе последовательности aданного типа type |
arrayrange(start[, stop[, step[, type]]]) |
Аналог range()для массивов |
asarray(a[, type[, savespace]]) |
То же, что и array(), но не создает новый массив, если a уже является массивом |
choose(a, (b0, ..., bn)) |
Создает массив на основе элементов, взятых по индексам из a(индексы от 0до nвключительно). Формы массивов a, b1, …, bnдолжны совпадать |
clip(a, a_min, a_max) |
Обрубает значения массива aтак, чтобы они находились между значениями из a_minи a_maxпоэлементно |
compress(cond, a[, axis]) |
Возвращает массив только из тех элементов массива a, для которых условие condистинно (не нуль) |
concatenate(a[, axis]) |
Соединение двух массивов (конкатенация) по заданному измерению axis(по умолчанию — по нулевой) |
convolve(a, b[, mode]) |
Свертка двух массивов. Аргумент modeможет принимать значения 0, 1или 2 |
cross_correlate(a, b[, mode]) |
Взаимная корреляция двух массивов. Параметр modeможет принимать значения 0, 1или 2 |
cumproduct(a[, axis]) |
Произведение по измерению axisмассива aс промежуточными результатами |
cumsum(a[, axis]) |
Суммирование с промежуточными результатами |
diagonal(a[, k[, axis1[, axis2]]]) |
Взятие k–й диагонали массива a в плоскости измерений axis1и axis2 |
dot(a, b) |
Внутреннее (матричное) произведение массивов. По определению: innerproduct(a, swapaxes(b, -1, -2)), т.е. с переставленными последними измерениями, как и должно быть при перемножении матриц |
dump(obj, file) |
Запись массива a(в двоичном виде) в открытый файловый объект file. Файл должен быть открыт в бинарном режиме. В файл можно записать несколько объектов подряд |
dumps(obj) |
Строка с двоичным представлением объекта obj |
fromfunction(f, dims) |
Строит массив, получая информацию от функции f(), в качестве аргументов которой выступают значения кортежа индексов. Фактически является сокращением для f(*tuple(indices(dims))) |
fromstring(s[, count[, type]]) |
Создание массива на основе бинарных данных, хранящихся в строке |
identity(n) |
Возвращает двумерный массив формы (n, n) |
indices(dims[, type]) |
Возвращает массив индексов заданной длины по каждому измерению с изменением поочередно по каждому изменению. Например, indices([2, 2])[1]дает двумерный массив [[0, 1], [0, 1]]. |
innerproduct(a, b) |
Внутреннее произведение двух массивов (по общему измерению). Для успешной операции a.shape[-1]должен быть равен b.shape[-1]. Форма результата будет a.shape[:-1] + b.shape[:-1]. Элементы пропадающего измерения попарно умножаются и получающиеся произведения суммируются |
load(file) |
Чтение массива из файла file. Файл должен быть открыт в бинарном режиме |
loads(s) |
Возвращает объект, соответствующий бинарному представлению, заданному в строке |
nonzero(a) |
Возвращает индексы ненулевых элементов одномерного массива |
ones(shape[, type]) |
Массив из единиц заданной формы shapeи обозначения типа type |
outerproduct(a, b) |
Внешнее произведение aи b |
product(a[, axis]) |
Произведение по измерению axisмассива a |
put(a, indices, b) |
Присваивание частям массива, a[n] = b[n]для всех индексов indices |
putmask(a, mask, b) |
Присваивание aэлементов из b, для которых маска maskимеет значение истина |
ravel(a) |
Превращение массива в одномерный. Аналогично reshape(a, (-1,)) |
repeat(a, n[, axis]) |
Повторяет элементы массива a nраз по измерению axis |
reshape(a, shape) |
Возвращает массив нужной формы (нового массива не создает). Количество элементов в исходном и новом массивах должно совпадать |
resize(a, shape) |
Возвращает массив с произвольной новой формой shape. Размер исходного массива не важен |
searchsorted(a, i) |
Для каждого элемента из iнайти место в массиве a. Массив aдолжен быть одномерным и отсортированным. Результат имеет форму массива i |
shape(a) |
Возвращает форму массива a |
sometrue(a[, axis]) |
Логическое ИЛИ по всему измерению axisмассива a |
sort(a[, axis]) |
Сортировка элементов массива по заданному измерению |
sum(a[, axis]) |
Суммирование по измерению axisмассива a |
swapaxes(a, axis1, axis1) |
Смена измерений (частный случай транспонирования) |
take(a, indices[, axis]) |
Выбор частей массива a на основе индексов indicesпо измерению axis |
trace(a[, k[, axis1[, axis2]]]) |
Сумма элементов вдоль диагонали, то есть add.reduce(diagonal(a, k, axis1, axis2)) |
transpose(a[, axes]) |
Перестановка измерений в соответствии с axes, либо, если axesне заданы — расположение их в обратном порядке |
where(cond, a1, a2) |
Выбор элементов на основании условия condиз a1(если не нуль) и a2(при нуле) поэлементно. Равносилен choose(not_equal(cond, 0), (y, x)). Формы массивов–аргументов a1и a2должны совпадать |
zeros(shape[, type]) |
Массив из нулей заданной формы shapeи обозначения типа type |
В этой таблице в качестве обозначения типа typeможно указывать рассмотренные выше константы: Int, Floatи т.п.
Интервал:
Закладка:
