Baixado 184 vezes
![Explorando o NumPy
Operações com Arrays e Matrizes
Criação de Vetores
numpy.zeros((M,N)) Vetor MxN de zeros
numpy.ones((M,N)) Vetor MxN de ums
numpy.empty((M,N)) Vetor MxN vazio (qualquer valor)
numpy.zeros_like(m) Vetor de zeros com formato de m
numpy.ones_like(m) Vetor de ums com formato de m
numpy.empty_like(m) Vetor de vazio com formato de m
numpy.random.random((M,N)) Vetor com valores aleatórios
numpy.identity(N) Matriz Identidade, N x N
numpy.array([(1,2,3),(4,5,6)]) Especifica os valores da matriz
numpy.matrix([[1,2,3],[4,5,6]]) Especifica os valores da matriz
numpy.arange(0.,1.,.3) Vetor com Inicio I, fim F, passo P
numpy.linspace(0.1, 1, 10) Vetor com N valores de I à F](https://image.slidesharecdn.com/computaocientficacomnumpyescipy-110501175537-phpapp02/85/Computacao-cientifica-com-numpy-e-scipy-13-320.jpg)
![Explorando o NumPy
Operações com Arrays e Matrizes
Operações entre vetores
A-B, A+B, A*B, A/B,A**2 Operações elemento à elemento
numpy.dot(A,B) ou mat(A)*mat(B) Produto matricial
numpy.concatenate((A,B), axis=0) Concatena vetores
A[0] 1° elemento
A[i][j] ou A[i,j] (linha i, coluna j)
x[2:5] Subvetor [x[2],x[3],x[4]]
x[:5] Subvetor [x[0],...,x[4]]
x[2:] Subvetor [x[2],...x[N]]
x[numpy.where(x>7)] Elementos em x maiores que 7](https://image.slidesharecdn.com/computaocientficacomnumpyescipy-110501175537-phpapp02/85/Computacao-cientifica-com-numpy-e-scipy-15-320.jpg)
![Explorando o NumPy
Operações com Arrays e Matrizes
Criação de Vetores
numpy.zeros((M,N)) Vetor MxN de zeros
numpy.ones((M,N)) Vetor MxN de ums
numpy.empty((M,N)) Vetor MxN vazio (qualquer valor)
numpy.zeros_like(m) Vetor de zeros com formato de m
numpy.ones_like(m) Vetor de ums com formato de m
numpy.empty_like(m) Vetor de vazio com formato de m
numpy.random.random((M,N)) Vetor com valores aleatórios
numpy.identity(N) Matriz Identidade, N x N
numpy.array([(1,2,3),(4,5,6)]) Especifica os valores da matriz
numpy.matrix([[1,2,3],[4,5,6]]) Especifica os valores da matriz
numpy.arange(0.,1.,.3) Vetor com Inicio I, fim F, passo P
numpy.linspace(0.1, 1, 10) Vetor com N valores de I à F](https://image.slidesharecdn.com/computaocientficacomnumpyescipy-110501175537-phpapp02/75/Computacao-cientifica-com-numpy-e-scipy-13-2048.jpg)
![Explorando o NumPy
Operações com Arrays e Matrizes
Operações entre vetores
A-B, A+B, A*B, A/B,A**2 Operações elemento à elemento
numpy.dot(A,B) ou mat(A)*mat(B) Produto matricial
numpy.concatenate((A,B), axis=0) Concatena vetores
A[0] 1° elemento
A[i][j] ou A[i,j] (linha i, coluna j)
x[2:5] Subvetor [x[2],x[3],x[4]]
x[:5] Subvetor [x[0],...,x[4]]
x[2:] Subvetor [x[2],...x[N]]
x[numpy.where(x>7)] Elementos em x maiores que 7](https://image.slidesharecdn.com/computaocientficacomnumpyescipy-110501175537-phpapp02/75/Computacao-cientifica-com-numpy-e-scipy-15-2048.jpg)
Carregado porSilas Santiago
Computação científica com numpy e scipy
O documento discute as bibliotecas NumPy e SciPy para computação científica em Python. NumPy fornece vetores e matrizes multidimensionais, enquanto SciPy contém ferramentas para álgebra linear, estatística, clusterização e outras aplicações científicas. Exemplos demonstram como gerar e manipular arrays com NumPy e utilizar funções de clusterização no SciPy.
![Aplicação de mapas mentais durante o brainstorm de um jogo digital [PÔSTER]](https://cdn.slidesharecdn.com/ss_thumbnails/pster-aplicaodemapasmentaisduranteobrainstormdeumjogodigital-130123195410-phpapp01-thumbnail.jpg?width=600ounds&width=560&fit=bounds)
Computação científica com numpy e scipy
- 1. Computação Científica comNumPy e Scipy Silas Santiago L. Pereira
- 2. Roteiro O queé NumPy e SciPy ? Um pouco da história NumPy, SciPy como ambiente científico Comparação com o Matlab Funcionalidades do SciPy Instalação dos módulos Explorando o NumPy Exemplos Explorando o SciPy Exemplos Visualização de Gráficos com PyLab
- 3. Sobre mim Graduadoem Ciência da Computação – UECE Mestrando em Ciência da Computação – MACC Pesquisador do LADESC Interesse em programação, redes, machine learning
- 4. O que éNumPy e SciPy ? NumPy módulo da linguagem Python que permite trabalhar com vetores e matrizes multidimensionais. Scipy é um software open-source para matemática, ciência e engenharia também o nome de uma conferência muito popular sobre programação científica com Python, que é patrocinada pela Enthought e outras.
- 5. Historia do NumPye SciPy Eric Jones Numpy Criação por Travis Oliphant Unificar a comunidade scipy com um pacote numérico comum Travis Oliphant Baseado em Numeric e NumArray SciPy Criação em 2001 por Eric Jones e Travis Oliphant Atualmente mantido por uma próspera comunidade de usuários e desenvolvedores.
- 6. NumPy, SciPy comoambiente científico capaz de competir com outros softwares matemáticos, tais como Matlab, Octave, R-Lab e Scilab iPython Shell melhorado para Python com diversos recursos para programação interativa, incluindo também interação fácil com PyLab.
- 7. Comparação com oMatlab Python + NumPy + SciPy = Programming Power Definição de Função em Matlab com muitas restrições Programação com Matlab não orientada a objetos NumPy/SciPy gratuitos e ainda amplamente usado Há muitos pacotes para geração de gráficos em Python tão bons quanto Matlab Matplotlib (http://matplotlib.sourceforge.net/) Python 2D Plotting library Provides a MATLAB-like plotting framework - matplotlib.pyplot PyLab (http://www.scipy.org/PyLab) Combines pyplot with numpy i nto a simgle namespace Convenient for interactive work
- 8. Funcionalidades do SciPy Organizado em subpacotes, abrangendo vários domínios da computação científica
- 9. Instalação dos módulos Scipy está disponível para diferentes plataformas http://new.scipy.org/download.html ou apt-get install python-numpy apt-get install python-scipy http://numpy.scipy.org/ http://www.scipy.org
- 10. Explorando o NumPy Arrays Matrizes 0 1 2 3 4 5 10 11 12 13 14 15 20 21 22 23 24 25 30 31 32 33 34 35 40 41 42 43 44 45 50 51 52 53 54 55
- 11. Explorando o NumPy Array ndarrays – Vetores homogêneos (arrays) n-dimensionais Semelhantes a listas do Python Cada elemento do mesmo tipo (int ou float) Geralmente muito mais eficientes que listas Exemplo:
- 12. Explorando o NumPy Matrizes é um tipo específico de array bidimensional com Numpy, torna-se possível definir matrizes e efetuar várias operações sobre elas. Exemplo:
- 13. Explorando o NumPy Operações com Arrays e Matrizes Criação de Vetores numpy.zeros((M,N)) Vetor MxN de zeros numpy.ones((M,N)) Vetor MxN de ums numpy.empty((M,N)) Vetor MxN vazio (qualquer valor) numpy.zeros_like(m) Vetor de zeros com formato de m numpy.ones_like(m) Vetor de ums com formato de m numpy.empty_like(m) Vetor de vazio com formato de m numpy.random.random((M,N)) Vetor com valores aleatórios numpy.identity(N) Matriz Identidade, N x N numpy.array([(1,2,3),(4,5,6)]) Especifica os valores da matriz numpy.matrix([[1,2,3],[4,5,6]]) Especifica os valores da matriz numpy.arange(0.,1.,.3) Vetor com Inicio I, fim F, passo P numpy.linspace(0.1, 1, 10) Vetor com N valores de I à F
- 14. Explorando o NumPy Operações com Arrays e Matrizes Métodos de um vetor a (numpy.ndarray) a.sum() Somatório dos items a.min() Valor mínimo a.max() Valor máximo a.mean() Média aritmética a.std() Desvio Padrão a.var() Variância a.median() Mediana a.trace() Traço a.size() N° de elementos a.shape() Formato (dimensões) a.transpose() Matriz transposta a.copy() Retorna cópia a.fill(valor) Preenche com valor
- 15. Explorando o NumPy Operações com Arrays e Matrizes Operações entre vetores A-B, A+B, A*B, A/B,A**2 Operações elemento à elemento numpy.dot(A,B) ou mat(A)*mat(B) Produto matricial numpy.concatenate((A,B), axis=0) Concatena vetores A[0] 1° elemento A[i][j] ou A[i,j] (linha i, coluna j) x[2:5] Subvetor [x[2],x[3],x[4]] x[:5] Subvetor [x[0],...,x[4]] x[2:] Subvetor [x[2],...x[N]] x[numpy.where(x>7)] Elementos em x maiores que 7
- 16.
- 17. Explorando o Scipy Algebra Linear (scipy.linalg) Estatísticas (scipy.stats) Clusterização (scipy.cluster)
- 18. Álgebra Linear subpacotescipy.linalg Provê rotinas de álgebra linear Funções básicas inv, solve, det, norm, lstsq,pinv Exemplo x + y + z =0 x -2y + 2z =1 y + 2z =2
- 19. Estatísticas (scipy.stats) Vastonúmero de rotinas básicas de estatística. Distribuições contínuas e discretas Funções estatísticas Exemplo:
- 20. Clusterização (scipy.cluster) Algoritmosde Agrupamento Atualmente, apenas o K-Means (K-Médias) Algoritmo de aprendizado não supervisionado
- 21. Clusterização (scipy.cluster) Exemplo 1 2 3 Exemplos N° de clusters 4 5 Obtêm matriz de classificação e de distâncias 6
- 22.
- 23. Visualização de Gráficoscom PyLab Geração de gráficos 2D de excelente qualidade Possibilita edição interativa, animações, diversos tipos de gráficos, Anotações com latex Salvar em deferentes formatos Sintaxe semelhante ao Matlab
- 24. Visualização de Gráficoscom PyLab Exemplo Importa os módulos Plota o gráfico
- 25. Perguntas? FIM