Москва, 2018 Информационные технологии Основы программирования на Python 3 Каф

Д.И. Менделеева Ст. преп. Васецкий А.М.

(Indexing routines));
NumPy (Раздел «Ввод и вывод» (Input and output);
NumPy (Разделы

данных;
Fuzzywuzzy – библиотека сравнения данных;
matplotlib – построение графиков;
Seaborn – визуализация

– пользовательский интерфейс;
pywin32 – библиотека взаимодействия с Windows;
Nose – среда

Python. В нём содержатся:
Мощный объект N-мерного массива.
сложные функции.
Инструментарий для интеграции

и некоторых других библиотек:

ImportError:
Importing the multiarray numpy extension module failed.

способ её устранить, это переустановить Anaconda и поставить флажок в

В переменную среды PATH добавятся пути к папкам Anaconda:
d:\ProgramData\Anaconda3;d:\ProgramData\Anaconda3\Library\mingw-w64\bin;
d:\ProgramData\Anaconda3\Library\usr\bin;
d:\ProgramData\Anaconda3\Library\bin;d:\ProgramData\Anaconda3\Scripts


Для проверки правильности работы библиотеки наберите:
import numpy as np print(np.__version__)

и времени
Дискретная трансформация Фурье
Финансовые функции
Функциональное программирование
Процедуры индексации
Ввод/вывод

числа
Сортировка
Статистика
Оконные функции

плотными буферами данных. Массивы в ней похожи на встроенный тип

Python (списки, кортежи и т.п.)
Внутренние объекты создания массивов numpy (arange,

использовать для создания плотных массивов данных одного типа:

import array L =

+ 3) for i in [0, 2, 4]])
# [[0 1

0 0 0]
B = np.ones((2, 3), dtype=float)
#[[1. 1. 1.]
# [1.

матрица
# [[1 0]
# [0 1]]
B = np.eye(2, 3, dtype=int) #

float (по умолчанию)
# [[1. 0.]
# [0. 1.]]
B = np.full((2, 3),

одного типа.
атрибуты объектов ndarray:
['T', …, 'all', 'any', 'argmax', 'argmin', 'argpartition',

3]
[2 4]]
A.nbytes # 16 – байт
A.ndim # 2 – размерность

[1 2]
А = np.array([1, 2, 3]) # [1 2 3]
A

== j, (3, 3), dtype=int) # Массив размерности 3×3
#

in range(5)) # итератор A = np.fromiter(it, float) # [ 0.

0.1) y = np.arange(-10, 10, 0.1) xx, yy = np.meshgrid(x, y, sparse=True) z

Подробнее см. https://docs.scipy.org/doc/numpy/reference/routines.array-creation.html

= np.arange(10) # [0 1 2 3 4 5 6 7

np.array([0, -1, -2, -3]) b = np.arange(4) c = a + b #

массивы при помощи метода copyto
A = np.array([[1, 2, 3],

2]
# [3 4 5]] B = np.transpose(A) # [[0 3]
# [1

2]
A is B # False
a = np.array([1, 2])
np.asarray(a) is a # True
x

11]]) c = np.concatenate((a, b), axis=0) # [[ 1 2]
# [ 3

… 7. 8. 9. 10. 11.] np.split(x, 3) # [array([0., 1.,

2 0 1 2 0 1 2]
b = np.array([[1, 2],

2, 3, 4],
# [ 5, 6, 7,

[[4, 5, 6], [7, 8, 9]])
# array([1, 2, 3, 4,

array([[ 0, 1, 10, 11],
#

5, 6, 7, 8, 9]) b = np.roll(a, 2) #array([8, 9, 0,

= np.unique(a) # array([0, 1, 7])
Уникальные строки
a = np.array([[1, 0, 0],

(scipy.fftpack)
Обработка сигналов (scipy.signal)
Линейная алгебра (scipy.linalg)
Статистика (scipy.stats)
Многомерная обработка изображений (scipy.ndimage)
Файловый ввод-вывод

список объектов из следующих классов:
NonlinearConstraint(fun, lb, ub [, jac,…]) –

процесс преобразования объекта Python в поток байтов (сериализация), а unpickling

None, True, False
Строки (обычные или Unicode)
Стандартные числовые типы данных
Словари, списки,

"b": ("строка", b"byte string"), "c": {None, True, False}