Adormecido NOMPY es el paquete fundamental necesario para la computación científica con Python.
Descargar ahora

Adormecido Clasificación y resumen

Adormecido Etiquetas

Biblioteca de Python Pitón numérico computación científica Adormecido Python numérico

Adormecido Descripción

NOMPY es el paquete fundamental necesario para la computación científica con Python. NOMPY es el paquete fundamental necesario para la computación científica con Python. Este paquete contiene un poderoso objeto de matriz N-dimensional, funciones sofisticadas (difusión), herramientas para la integración de C / C ++ y código de FORTRAN, y álgebra lineal útil, transformada de Fourier y número aleatorio Capacidades. Se deriva de la antigua base de código numérica y se puede utilizar como un reemplazo para numérico. También agrega las características introducidas por NumArray y se pueden usar para reemplazar a Numarray. Los usuarios numéricos deben encontrar la transición muy fácil. Hay un módulo (importación numpy.lib.convertcode --- Consulte las funciones de ConvertAll y FromFile en ese módulo) que pueden hacer (la mayoría de) los cambios necesarios en su código Python que usó Numérico para que funcione con el nuevo número. Los usuarios de NumArray actualmente deben hacer un poco más de trabajo (en su mayoría cambios de importación) para trabajar con el nuevo sistema porque nadie ha escrito aún un equivalente a ConvertCode.py, aquí hay algunas características clave de "NOMPY": · Más tipos de datos (todos los tipos de datos estándar estándar, más flotadores complejos, booleano, cadena, unicode y void *). · Tipos de datos flexibles donde cada matriz puede tener un artículo diferente (pero todos los elementos de la misma matriz aún tienen el mismo artículo). · Los tipos de datos son objetos de Python. · Los tipos de datos tienen un atributo de tipo que es un typeBject colocando el tipo de datos en una jerarquía de tipos de datos. · Los campos nombrados se admiten intrínsecamente en matrices. Las matrices de grabación permiten el acceso de campo nombrado usando atributos. · Muchos más métodos de matriz además de contrapartes funcionales. · Los atributos distinguidos más claramente de los métodos (los atributos son partes intrínsecas de una matriz para que las configuren cambien la matriz en sí). · Array Scalars que cubren todos los tipos de datos que heredan de los escalares de Python cuando sea apropiado. · Las matrices pueden ser desalineadas, intercambiadas y en orden de Fortran en la memoria (facilita las matrices asignadas a la memoria). · Las matrices se pueden leer más fácilmente en los archivos de texto y creados a partir de búferes. · Las matrices se pueden escribir rápidamente en archivos en texto y / o modo binario. · Las matrices heredan de grandes matrices que no definen la secuencia, o el protocolo de tampón y, por lo tanto, pueden ser muy grandes en plataformas de 64 bits. · La indexación de lujo se puede hacer en matrices usando secuencias enteras y máscaras booleanas. · Las reglas de coerción se alteran para las operaciones de escalar / matriz mixtas para que los escalares (todo lo que produce una matriz 0 dimensional internamente) no determine el tipo de salida en tales casos. · Cuando se necesita coerción, la asignación temporal de memoria de tampón se limita a un tamaño ajustable por el usuario. · Los errores se manejan a través de las banderas de estado de punto flotante de IEEE y hay flexibilidad en una función por función / módulo / a nivel incorporado para manejar estos errores. · Uno puede registrar una función de devolución de llamada de error en Python para manejar errores que se configuran en 'Llamar' para su manejo de errores; · Ufunc reduce, se acumule y la reducción de reducción puede tener lugar utilizando un tipo diferente y luego el tipo de matriz si se desea (sin copiar la matriz completa); · Las matrices de salida UFUNC que pasan pueden ser un tipo diferente de lo esperado del cálculo. · Las clases arbitrarias se pueden pasar a través de UFuncs (usando __Array_Wrap__ y __Array_Priority__). · Los UFuncs se pueden crear fácilmente desde las funciones de Python. · Los uFuncs tienen atributos para detallar su comportamiento, incluida una cadena Dynamic Doc que genera automáticamente la firma de llamadas. · Varios nuevos UFuncs (FREEXP, MODF, LDEXP, ISNAN, ISFINITE, ISINF, Signbit). · Los nuevos tipos se pueden registrar con el sistema para que se puedan escribir los bucles de UFUNP especializados para un rápido soporte de nuevos objetos de tipo. · C-API mejorado para que más la funcionalidad esté disponible en los módulos de extensión. · C-API mejorado para que el acceso de la estructura de matriz puede tener lugar a través de macros. · Nuevos objetos del iterador creados para un fácil manejo en C de matrices descontiguadas. · Los tipos tienen más funciones asociadas con ellos (no hay listas de funciones mágicas en el código C). Cualquier función necesaria es parte de la estructura de tipo. ¿Qué hay de nuevo en este lanzamiento: · Este menor incluye numerosas correcciones de errores, soporte oficial de Python 2.6, y varias características nuevas, como los UFuncs generalizados.

Adormecido Software relacionado