這個(gè)教程是為了幫助初學(xué)者掌握scipy并且肯能快地實(shí)際使用。
Python是一種通用語(yǔ)言。它被解釋運(yùn)行，是動(dòng)態(tài)類型語(yǔ)言，并且非常適合交互工作和快速實(shí)現(xiàn)原型，然而又足夠強(qiáng)大用來(lái)寫大型應(yīng)用。
NumPy是一個(gè)定義了數(shù)值數(shù)組和矩陣類型和它們的基本運(yùn)算的語(yǔ)言擴(kuò)展。
SciPy是另一種使用NumPy來(lái)做高等數(shù)學(xué)、信號(hào)處理、優(yōu)化、統(tǒng)計(jì)和許多其它科學(xué)任務(wù)的語(yǔ)言擴(kuò)展。
Matplotlib是一個(gè)幫助繪圖的語(yǔ)言擴(kuò)展。
SciPy和其它這些能用來(lái)完成許多任務(wù)：
首先它們很適于用來(lái)進(jìn)行嚴(yán)重依賴數(shù)學(xué)和數(shù)值運(yùn)算的計(jì)算,它們可以原生地使用數(shù)組、矩陣和對(duì)數(shù)組和矩陣的運(yùn)算，求出特征根，計(jì)算積分，解決微分方程。
NumPy的數(shù)組類(被用來(lái)實(shí)現(xiàn)矩陣類的基礎(chǔ))是考慮速度的實(shí)現(xiàn)，所以存取NumPy數(shù)組比存取Python列表速度更快。此外，NumPy實(shí)現(xiàn)一種數(shù)組語(yǔ)言，以致于不需要大多數(shù)循環(huán)。例如，普通Python(C等等也是相似的):
a = range(10000000)
b = range(10000000)
c = []
for i in range(len(a)):
c.append(a[i] + b[i])
這個(gè)循環(huán)將在幾GHz的處理器上耗時(shí)5到10秒，而NumPy：
import numpy as np
a = np.arange(10000000)
b = np.arange(10000000)
c = a + b
不僅這個(gè)更加簡(jiǎn)潔和易讀，而且相比幾乎是瞬間的，甚至NumPy的導(dǎo)入都比普通Python中的循環(huán)更快。為什么？Python是一種動(dòng)態(tài)類型的解釋語(yǔ)言，這意味著在每次循環(huán)迭代時(shí)它都必須檢查運(yùn)算對(duì)象a和b的類型來(lái)選則+正確的意義。(在python中+被用到許多地方，比如連接字符串、可以有不同元素類型的列表)當(dāng)’+’的操作對(duì)象之一是一個(gè)NumPy數(shù)組時(shí)，NumPy的add函數(shù)將被Python自動(dòng)選擇，僅僅檢測(cè)一次類型。然后它通過(guò)編譯C函數(shù)執(zhí)行”真正的”加法循環(huán)。這和普通python中的解釋循環(huán)相比是非?？斓?。
有許多通用的或特定用途的數(shù)值代碼使用了numpy和scipy。參考局部軟件索引來(lái)查看部分列表。Python有許多用來(lái)創(chuàng)建交互應(yīng)用的高級(jí)的模塊(例如TraitsUI和wxPython)。和scipy一同使用這些是最快的創(chuàng)建科學(xué)應(yīng)用的方法。
Python是一門語(yǔ)言，它有幾個(gè)用戶界面。沒(méi)有一個(gè)單獨(dú)的程序可以開(kāi)始并且給一個(gè)集成的用戶體驗(yàn)。取而代之的是各種使用python的方法。1
最普遍的方法是使用高級(jí)python交互shell來(lái)輸入命令和運(yùn)行腳本。腳本可以用任何編輯器來(lái)寫，例如SPE,PyScripter,甚至notepad，emacs或者vi/vim。
scipy和numpy默認(rèn)都沒(méi)有提供繪圖函數(shù)。它們僅僅是數(shù)值工具。推薦的繪圖工具包是matplotlib。
在Windows、Mac OS X和Linux下，所有這些工具都被Enthought Python發(fā)行版提供，獲取更多關(guān)于安裝這些的指導(dǎo)參考此站點(diǎn)安裝scipy部分。
最快的使用scipy工作的方法可能就是這個(gè)交互數(shù)據(jù)分析教程
去學(xué)習(xí)Python語(yǔ)言，python教程可以讓你迅速熟悉python語(yǔ)法和對(duì)象。你可以從http://docs.python.org/download.html下載這個(gè)教程。
Dave Kuhlman的numpy和scipy教程是另一個(gè)很好的介紹：http://www.rexx.com/~dkuhlman/scipy_course_01.html.
本站點(diǎn)上的文檔和Cookbook部分提供更多學(xué)習(xí)材料。
讓我們看看在矩形窗函數(shù)的傅利葉變換。我們將使用一個(gè)交互python shell——ipython來(lái)做這個(gè)。因?yàn)槲覀兿胍ㄟ^(guò)交互繪圖呈現(xiàn)結(jié)果，我們將啟動(dòng)使用--pylab參數(shù)啟動(dòng)ipython，這個(gè)參數(shù)允許使用matplotlib交互。
$ ipython --pylab
Python 2.5.1 (r251:54863, May 2 2007, 16:27:44)
Type "copyright", "credits" or "license" for more information.
IPython 0.7.3 -- An enhanced Interactive Python.
? -> Introduction to IPython's features.
%magic -> Information about IPython's 'magic' % functions.
help -> Python's own help system.
object? -> Details about 'object'. ?object also works, ?? prints more.
Welcome to pylab, a matplotlib-based Python environment.
For more information, type 'help(pylab)'.
ipython提供了許多方便的特性，想tab補(bǔ)全python函數(shù)和一個(gè)優(yōu)秀的幫助系統(tǒng)。
In [1]: %logstart
Activating auto-logging. Current session state plus future input saved.
Filename : ipython_log.py
Mode : rotate
Output logging : False
Raw input log : False
Timestamping : False
State : active
這個(gè)激活一個(gè)登錄會(huì)話到一個(gè)文件。登錄文件格式允許在以后就像一個(gè)python腳本一樣被簡(jiǎn)單的執(zhí)行，或編輯進(jìn)一個(gè)程序。ipython也記錄所有的輸入輸出(并把它們保存在叫In和Out的列表中)，因此你可以啟動(dòng)有追溯的登錄。
In [2]: from scipy import *
因?yàn)閚umpy和scipy不是構(gòu)建在python中的，你必須顯示地告訴python加載它們的特性。Scipy提供numpy所以當(dāng)導(dǎo)入scipy時(shí)導(dǎo)入它是不必要的。
現(xiàn)在開(kāi)始實(shí)際的數(shù)學(xué)：
In [3]: a = zeros(1000)
In [4]: a[:100]=1
第一行正如你所期望的那樣簡(jiǎn)單地創(chuàng)建了一個(gè)有1000個(gè)0的數(shù)組;numpy默認(rèn)使這些0是雙精度浮點(diǎn)數(shù)，但是如果我想要單精度或復(fù)數(shù)，我可以指定zeors的額外參數(shù)。第二行把一百個(gè)元素設(shè)置成-1.
然后我想要對(duì)這個(gè)數(shù)組進(jìn)行傅利葉變換，scipy提供fft函數(shù)來(lái)完成這些：
b = fft(a)
為了看看b是什么樣的，我將使用matplotlib庫(kù)。如果你使用”–pylab”啟動(dòng)ipython將不需要導(dǎo)入matplotlib。否則你應(yīng)導(dǎo)入它:from pylab import *但是你將沒(méi)有交互功能(當(dāng)你創(chuàng)建時(shí)自動(dòng)繪圖)。
In [6]: plot(abs(b))
Out[6]: [<matplotlib.lines.Line2D instance at 0xb7b9144c>]
In [7]: show()
這將出現(xiàn)一個(gè)顯示b的圖像的窗口，如果你啟動(dòng)ipython時(shí)使用--pylab的話show命令是不必要的。
我注意到如果我把b的0頻移動(dòng)到中間看起來(lái)更好。我可以通過(guò)連接b的后半部分和前半部分來(lái)實(shí)現(xiàn)，但是我記不清concatenate的語(yǔ)法了:
In [8]: concatenate?
Type: builtin_function_or_method
Base Class: <type 'builtin_function_or_method'>
String Form: <built-in function concatenate>
Namespace: Interactive
Docstring:
concatenate((a1, a2, ...), axis=0)
Join arrays together.
The tuple of sequences (a1, a2, ...) are joined along the given axis
(default is the first one) into a single numpy array.
Example:
>>> concatenate( ([0,1,2], [5,6,7]) )
array([0, 1, 2, 5, 6, 7])
In [9]: f=arange(-500,500,1)
In [10]: grid(True)
In [11]: plot(f,abs(concatenate((b[500:],b[:500]))))
Out[11]: [<matplotlib.lines.Line2D instance at 0xb360ca4c>]
In [12]: show()
這得到了我想要的圖像。我可以使用交互控制上下移動(dòng)和縮放圖片，并且為包含在出版物中產(chǎn)生postscript輸出(如果你想要學(xué)習(xí)更多繪圖知識(shí)，建議你閱讀matplotlib教程)。
當(dāng)你一遍又一遍重復(fù)做著相同的工作，把一些命令保存在文件中并把它們作為腳本在ipython中運(yùn)行將很有用。你可以使用”Ctrl-D”退出當(dāng)前的ipython會(huì)話并且編輯ipython_log.py文件。當(dāng)你想要執(zhí)行這個(gè)文件中的指令時(shí)，你可以打開(kāi)一個(gè)新的ipython會(huì)話輸入命令%run
-i ipython_log.py。
當(dāng)編輯一個(gè)腳本文件時(shí)，在ipython中嘗試一些命令也很方便。這將允許你在保存和運(yùn)行之前，對(duì)一些簡(jiǎn)單的情況逐行嘗試你的腳本。
如果你僅僅初學(xué)scipy和與其伴侶，以下的東西對(duì)你并不那么重要，不要太操心。但是當(dāng)你開(kāi)發(fā)一些大型的應(yīng)用時(shí)最好記住它。
對(duì)交互工作(在ipython中)和一些小型的腳本使用from scipy import *沒(méi)什么。這樣將會(huì)有個(gè)優(yōu)點(diǎn)就是所有的功能在當(dāng)前命名空間都是立即可用的。然而，對(duì)大型的程序和軟件包來(lái)說(shuō)，建議只導(dǎo)入你真正需要的函數(shù)和模塊。讓我們考慮這種情況：你(為了無(wú)論什么理由)想要比較numpy和scipy的fft函數(shù)。在你的腳本中你應(yīng)這樣寫：
# import from module numpy.fft
from numpy.fft import fft
# import scipy's fft implementation and rename it;
# Note: `from scipy import fft` actually imports numpy.fft.fft (check with
# `scipy.fft?` in Ipython or look at .../site-packages/scipy/__init__.py)
from scipy.fftpack import fft as scipy_fft
這個(gè)優(yōu)勢(shì)就是，當(dāng)你查看代碼時(shí)，你可以顯式的知道你在導(dǎo)入什么，代碼便因此變得清晰和可讀。而且，這通常比通過(guò)import *導(dǎo)入所有東西更快，特別是如果你是從一個(gè)像scipy一樣特別大的庫(kù)中導(dǎo)入。
然而，如果你使用許多不同的numpy函數(shù)，如果你顯式導(dǎo)入每一個(gè)函數(shù)導(dǎo)入聲明將變得非常長(zhǎng)。但是你可以導(dǎo)入整個(gè)包來(lái)代替使用import *。
from numpy import * # bad
from numpy import abs, concatenate, sin, pi, dot, amin, amax, asarray, cov, diag, zeros, empty, exp, eye, kaiser # very long
import numpy # good
# use numpy.fft.fft() on array 'a'
b = numpy.fft.fft(a)
沒(méi)關(guān)系，因?yàn)橥ǔ?code style="padding:2px 4px; font-family:Monaco,Menlo,Consolas,'Courier New',monospace; font-size:12px; color:rgb(221,17,68); white-space:nowrap">import numpy非?？臁Ａ硪环矫?，scipy相當(dāng)大(有很多子包)。因此from
scipy import *第一次導(dǎo)入可能非常慢(所有接下來(lái)的導(dǎo)入聲明將會(huì)更迅速地執(zhí)行，因?yàn)閷?shí)際上沒(méi)有再次導(dǎo)入)。這是為什么當(dāng)你導(dǎo)入scipy時(shí)子包的導(dǎo)入默認(rèn)被禁止(像scipy.fft)，這樣它才能像import
numpy一樣快。如果你想使用比如說(shuō)scipy.fft，你不得不顯式的導(dǎo)入它(這無(wú)論如何是個(gè)好的想法)。如果你想要一次加載所有子包，你將不得不import scipy; scipy.pkgbuild()。使用ipython的交互會(huì)話，你可以通過(guò)scipy
profile調(diào)用它(ipython -p scipy),為你讀取scipy的配置文件(通常在~/.ipython/ipythonrc-scipy)和加載所有scipy。對(duì)在即時(shí)交互環(huán)境使用scipy和matplotlib繪圖，你可以用像這樣的命令ipython
--pylab -p scipy。
文章摘自：http://reverland.org/python/2012/08/24/scipy/
獲得更多有關(guān)全面概述包結(jié)構(gòu)和”pythonic”導(dǎo)入慣例的信息，看一看Python教程的這一部分
聯(lián)系客服
