Numpy. numpy é o pacote fundamental necessário para computação científica com python.
Baixe Agora

Numpy. Classificação e resumo

Numpy. Tag

Biblioteca Python. Pitão numérico computação científica Numpy. numérica Python

Numpy. Descrição

A NUMPY é o pacote fundamental necessário para a computação científica com Python. A NUMPY é o pacote fundamental necessário para a computação científica com o Python.Este pacote contém um poderoso objeto de matriz n-dimensional, sofisticado (transmissão), ferramentas para integração de código C / C ++ e Fortran, e álgebra linear e número linear e aleatório. Capacidades. Deriva da antiga base de código numérico e pode ser usada como um substituto para numérico. Ele também adiciona os recursos introduzidos pelo NUMARRAY e podem ser usados para substituir Numarray.Numérico Os usuários devem encontrar a transição muito fácil. Existe um módulo (Import numpy.lib.convertcode --- Consulte as funções Convertall e FromFile nesse módulo) que podem fazer (a maioria) as alterações necessárias no seu código Python que usou numérico para fazê-lo funcionar com o novo numpy. Os usuários do Numarray precisam atualmente para fazer um pouco mais de trabalho (principalmente alterações de importação) para trabalhar com o novo sistema, porque ninguém ainda escreveu um equivalente a convertcode.py aqui estão alguns recursos importantes de "numpy": · Mais tipos de dados (todos os tipos de dados C, além de flutuadores complexos, booleano, string, unicode e vazio *). · Tipos de dados flexíveis onde cada matriz pode ter um item diferente (mas todos os elementos da mesma matriz ainda têm os mesmos itens). · Tipos de dados são objetos Python · Os tipos de dados têm um atributo de tipo que é um tipo de jogo, colocando o tipo de dados em uma hierarquia de tipos de dados. · Os campos nomeados são suportados intrinsecamente em matrizes. Os matrizes de gravação permitem acesso ao campo nomeado usando atributos. · Muitos mais métodos de matriz, além de contrapartes funcionais. · Os atributos mais claramente distinguidos dos métodos (atributos são partes intrínsecas de uma matriz para que a configuração mude a própria matriz). · Scalares de matriz cobrindo todos os tipos de dados que herdam de escalares de Python quando apropriado. · Arrays podem ser desalinhados, trocados e na ordem do Fortran na memória (facilitam matrizes mapeadas por memória). · As matrizes podem ser mais facilmente lidas de arquivos de texto e criadas a partir de buffers. · As matrizes podem ser rapidamente gravadas em arquivos no modo de texto e / ou binário. · Arrays herdarem de grandes matrizes que não definem a sequência, ou protocolo de buffer e, portanto, podem ser muito grandes em plataformas de 64 bits. · A indexação extravagante pode ser feita em matrizes usando seqüências inteiras e máscaras booleanas. · As regras de coerção são alteradas para operações de escalar / array mistas para que escalares (qualquer coisa que produza uma matriz 0-dimensional internamente) não determinará o tipo de saída em tais casos. · Quando a coerção é necessária, a alocação temporária de memória buffer é limitada a um tamanho ajustável pelo usuário. · Os erros são tratados através dos sinalizadores de status do ponto flutuante IEEE e há flexibilidade em um nível de função / módulo / integrina para lidar com esses erros. · Pode-se registrar uma função de retorno de chamada de erro no Python para manipular erros que são definidos como 'chamadas' para o manuseio de erros; · O Ufunc reduz, acumulam e o Reduteat pode ocorrer usando um tipo diferente, em seguida, o tipo de matriz, se desejar (sem copiar a matriz inteira); · As matrizes de saída do Ufunc passadas podem ser um tipo diferente do esperado do cálculo. · As aulas arbitrárias podem ser passadas através de Ufuncs (usando __array_wrap__ e __array_priority__). · Os ufuncs podem ser facilmente criados a partir de funções do Python. · Os Ufuncs têm atributos para detalhar seu comportamento, incluindo uma string dinâmica do DOC que gera automaticamente a assinatura de chamada. · Vários novos Ufuncs (Frexp, MODF, LDEXP, Isnan, Isfinite, Isinf, Signbit). · Novos tipos podem ser registrados com o sistema para que os loops de Ufunc especializados possam ser gravados para suporte rápido de novos objetos tipo. · C-API aprimorado para que mais da funcionalidade esteja disponível em módulos de extensão. · C-API aprimorado para que o acesso à estrutura da matriz possa ocorrer por meio de macros. · Novos objetos de iterador criados para facilitar o manuseio em c de matrizes descontínuas. · Os tipos têm mais funções associadas a elas (sem listas de funções mágicas no código C). Qualquer função necessária é parte da estrutura do tipo. O que há de novo nesta versão: · Este menor inclui numerosas correções de bugs, suporte oficial Python 2.6 e vários novos recursos, como Ufuncs generalizados.

Numpy. Software Relacionado