Ninpy. Numpy è il pacchetto fondamentale necessario per il calcolo scientifico con Python.
Scarica ora

Ninpy. Classifica e riepilogo

Ninpy. Tag

Libreria Python. Pitone numerico Computing scientifico Ninpy. numerico pitone

Ninpy. Descrizione

Numpy è il pacchetto fondamentale necessario per il calcolo scientifico con Python. Numpy è il pacchetto fondamentale necessario per il calcolo scientifico con Python.Questo pacchetto contiene un potente oggetto array n-dimensionale, funzioni sofisticate (radiodiffuse), strumenti per l'integrazione del codice C / C ++ e Fortran e l'algebra lineare utile, la trasformazione di Fourier e il numero casuale Capacità.it deriva dalla vecchia base del codice numerico e può essere utilizzato come sostituto per numerico. Aggiunge anche le funzionalità introdotte da Numray e possono essere utilizzate per sostituire NUMARRAY.I UTENTI Utenti dovrebbero trovare la transizione molto facile. C'è un modulo (import Numpy.lib.convertcode --- vedere le funzioni ConvertAlTrall e FromFile in quel modulo) che possono rendere (la maggior parte) le modifiche necessarie al tuo codice Python che utilizzavano numerico per farlo funzionare con il nuovo polmario. Gli utenti di Numraray sono attualmente dotati di fare un po 'più di lavoro (per lo più modifiche di importazione) per lavorare con il nuovo sistema perché nessuno ha ancora scritto un equivalente a convertcode.py qui ci sono alcune caratteristiche chiave di "Numpy": · Altri tipi di dati (tutti i tipi di dati C standard più floats complessi, boolean, stringa, unicode e vuoto *). · Tipi di dati flessibili in cui ogni array può avere un elemento diverso (ma tutti gli elementi dello stesso array hanno ancora gli stessi elementi). · I tipi di dati sono oggetti Python · I tipi di dati hanno un attributo di tipo che è un tipoObject posizionando il tipo di dati in una gerarchia di tipi di dati. · I campi nominati sono supportati intrinsecamente su array. Gli array di registrazione consentono l'accesso a campo denominato utilizzando gli attributi. · Molti altri metodi di array oltre alle controparti funzionali. · Attributi più chiaramente distinti dai metodi (gli attributi sono parti intrinseche di un array in modo che l'impostazione modifichi l'array stessa). · Scalari di array che coprono tutti i tipi di dati che ereditano da pitone scalare quando appropriato. · Gli array possono essere disallineati, scambiati, e in ordine di ordine in memoria (facilita gli array mappati a memoria). · Gli array possono essere letti più facilmente dai file di testo e creati dai buffer. · Gli array possono essere scritti rapidamente ai file in modalità testo e / o binaria. · Array Eredita da grandi array che non definiscono la sequenza o il protocollo del buffer e può quindi essere molto grande su piattaforme a 64 bit. · L'indicizzazione fantasia può essere eseguita su array usando sequenze interi e maschere booleane. · Le regole di coercizione sono alterate per le operazioni Scalare / array misto in modo che gli scalari (qualsiasi cosa che produca un array di 0 dimensionale) non determinerà il tipo di output in tali casi. · Quando è necessaria la coercizione, l'allocazione temporanea della memoria del buffer è limitata a una dimensione regolabile dall'utente. · Gli errori vengono gestiti attraverso i flag di stato del punto flottante IEEE e vi è flessibilità su una funzione per funzione / modulo / livello integratore per la gestione di questi errori. · Si può registrare una funzione di callback di errore in Python per gestire errori che sono impostati su "Chiamate" per la gestione degli errori; · UFUNC Riduci, accumulati e il riduttore può avvenire utilizzando un tipo diverso quindi il tipo di array se desiderato (senza copiare l'intero array); · Gli array di uscita UFUNC passati possono essere un tipo diverso del previsto dal calcolo. · Le classi arbitrarie possono essere passate attraverso UFUNCS (usando __array_wrap__ e __array_priority__). · Gli UFunc possono essere facilmente creati dalle funzioni Python. · Gli UFUNC hanno attributi per dettagliare il loro comportamento, tra cui una stringa DOC dinamica che genera automaticamente la firma chiamante. · Diversi nuovi UFUNC (Frexp, Modf, LDexp, ISNAN, IsFinite, isinf, Signt). · I nuovi tipi possono essere registrati con il sistema in modo che i loop UFUNC specializzati possano essere scritti per il supporto rapido di nuovi oggetti di tipo. · C-API migliorato in modo che più della funzionalità sia disponibile dai moduli di estensione. · API C-API Enhanced in modo che l'accesso della struttura dell'array può avvenire tramite macro. · Nuovi oggetti Iterator creati per una facile maneggevolezza in C di array disconfere. · I tipi hanno più funzioni associate a loro (nessun elenco di funzioni magiche nel codice C). Qualsiasi funzione necessaria è parte della struttura del tipo. Cosa c'è di nuovo in questa versione: · Questo minore include numerose correzioni di bug, supporto ufficiale Python 2.6 e diverse nuove funzionalità come UFUNC generalizzate.

Ninpy. Software correlato