Dynamisch.Zukunft.Entwickeln.

3. Deutsche Python-Konferenz

14. - 19. Oktober 2013, Köln

Session: Einführung in NumPy

Schlagwörter:
, ,
Ort:
Raum 314 (Haus 7)
Dauer:
14. Oktober 2013 von 09:00 - 12:30
Sprache:
Deutsch

NumPy ist der Quasi-Standard für schnelles Arbeiten mit Arrays in Python. In diesem Tutorial sollen grundlegende Kenntnisse von Array-Erzeugung und deren Eigenschaften über Array Operationen, bis hin zu Slicing und Broadcasting erlangt werden.

NumPy ist der Quasi-Standard für schnelles Arbeiten mit Arrays in Python. In diesem Tutorial sollen grundlegende Kenntnisse von Array-Erzeugung und deren Eigenschaften über Array Operationen, bis hin zu Slicing und Broadcasting erlangt werden.

Installation

Vorrausgesetzt wird eine funktionierende NumPy Installation. Matplotlib ist zur Visualisierung nützlich aber nicht notwendig. IPython inkl. Notebook erleichtert insbesondere das interaktive Erarbeiten der Tutorialinhalte; IPython ist ebenfalls nicht notwendig aber sehr empfohlen.

Beispiele für NumPy, IPython und matplotlib Installation

OS X

  • http://fonnesbeck.github.io/ScipySuperpack/

Debian/Ubuntu

  • aptitude install python-numpy
  • aptitude install python-matplotlib
  • aptitude install python-ipython (mit Ubuntu LTS besser über 3rd Party installieren pip im virtualenv, Enthought Canopy etc.)

Windows

  • 32bit: http://sourceforge.net/projects/numpy/files/NumPy/
  • 64bit: http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy
  • ipython: http://ipython.org/install.html
  • matplotlib: http://matplotlib.org/users/installing.html#installing-on-windows

FreeBSD

  • portupgrade -N math/py-numpy
  • portupgrade -N devel/ipython
  • portupgrade -N math/py-matplotlib

virtualenv

  • pip install numpy
  • pip install matplotlib
  • pip install ipython

Numpy-Versionen: numpy 1.6–1.9

Grundlegende Python-Kenntnisse sind erforderlich.

Gliederung: (insgesamt 180min):

  • Einführung NumPy
  • Arrays und deren Eigenschaften
  • Indizierung und Slicing
  • Ein- und Ausgabe
  • Reshaping
  • Grundlegende Array Operationen
  • Broadcasting / np.newaxis
  • Vektorisierung
  • Ein- und Ausgabe
  • Ungültige Werte und maskierte Arrays
  • Weitere Optimierungen (Ausblick auf C-API, Cython, numba)
  • Wenn Zeit: Views und Kopien; strided_as

NICHT eingegangen wird auf:

  • NumPys Fähigkeiten im Bereich der lineare Algebra

Folien

Link