1.2 动手实践:在不同的操作系统上安装 Python 1 1 2 3 4 5 11 6 7 8 9 10 NumPy快速入门 让我们开始吧.首先,我们将介绍如何在不同的操作系统中安装NumPy和 相关软件,并给出使用NumPy的简单示例代码.然后,我们将简单介绍IPython (一种交互式shell工具) .如前言所述,SciPy和NumPy有着密切的联系,因此你 将多次看到SciPy的身影.在本章的末尾,我们将告诉你如何利用在线资源,以 便你在受困于某个问题或不确定最佳的解题方法时,可以在线获取帮助. 本章涵盖以下内容: ? 在Windows、Linux和Macintosh操作系统上安装Python、SciPy、Matplotlib、IPython和NumPy; ? 编写简单的NumPy代码; ? 了解IPython; ? 浏览在线文档和相关资源. 1.1 Python NumPy是基于Python的,因此在安装NumPy之前,我们需要先安装Python.某些操作系统已 经默认安装有Python环境,但你仍需检查Python的版本是否与你将要安装的NumPy版本兼容. Python有很多种实现,包括一些商业化的实现和发行版.在本书中,我们将使用CPython① 实现, 从而保证与NumPy兼容. 1.2 动手实践:在不同的操作系统上安装 Python NumPy在Windows、各种Linux发行版以及Mac OS X上均有二进制安装包.如果你愿意,也 ① CPython是用C语言实现的Python解释器.——译者注 第1章2第1章NumPy 快速入门 可以安装包含源代码的版本.你需要在系统中安装Python 2.4.x或更高的版本.我们将给出在以下 操作系统中安装Python的各个步骤. (1) Debian和Ubuntu Debian和Ubuntu可能已经默认安装了Python,但开发者包(development headers)① 一般不会默认安装.在Debian和Ubuntu中安装python和python-dev的命令如下: sudo apt-get install python sudo apt-get install python-dev (2) Windows Python的Windows安装程序可以在www.python.org/download下载.在这个站点 中,我们也可以找到Mac OS X的安装程序,以及Linux、Unix和Mac OS X下的源代码包. (3) Mac Mac OS X中预装了Python,而我们也可以通过MacPorts、Fink或者类似的包管理工 具来获取Python.举例来说,可以使用如下命令安装Python 2.7: sudo port install python27 LAPACK并不是必需的,但如果需要,NumPy在安装过程中将检测并使用之.我们推荐大家 安装LAPACK以便应对海量数据的计算,因为它拥有高效的线性代数计算模块. 刚才做了些什么 我们在Debian、Ubuntu、Windows和Mac操作系统中安装了Python. 1.3 Windows 在Windows上安装NumPy是很简单的.你只需要下载安装程序,运行后在安装向导的指导下 完成安装. 1.4 动手实践:在Windows 上安装 NumPy、Matplotlib、 SciPy 和IPython 在Windows上安装NumPy是必需的,但幸运的是,安装过程并不复杂,我们将在下面详细阐 述.建议你安装Matplotlib、SciPy和IPython,虽然这一操作对于使用本书不是必需的.我们将按 照如下步骤安装这些软件. (1) 从SourceForge网站下载NumPy的Windows安装程序: http://sourceforge.net/projects/numpy/files/ ① 该软件包提供编译Python模块所需的静态库、头文件以及distutils工具等.——译者注 1.4 动手实践:在Windows 上安装 NumPy、Matplotlib、SciPy 和IPython 3 1 2 3 4 5 11 6 7 8 9 10 请选择合适的版本.在上图中,我们选择了numpy-1.7.0-win32-superpack-python2.7.exe. (2) 下载完成后,双击运行安装程序. (3) 现在,我们可以看到一段对NumPy的描述以及其特性,如上图所示.单击Next(下一步) 按钮以继续安装. (4) 如果你已经安装了Python,NumPy的安装程序应该能自动检测到.如果没有检测到Python, 可能是你的路径设置有误.在本章的末尾,我们列出了一些在线资源,供安装NumPy时遇到问题 的读者参考. 4 第1章NumPy 快速入门 (5) 在上图中, 安装程序成功检测到系统中已安装Python 2.7, 此时应单击Next按钮继续安装; 否则,请单击Cancel(取消)按钮并安装Python(NumPy不能脱离Python单独安装) .继续单击 Next按钮,从这一步起就不能回退到上一步了,因此请你确认是否选择了合适的安装路径和其他 安装选项.现在,真正的安装过程开始了,你需要等待一段时间. (6) SciPy和Matplotlib可以通过Enthough安装,地址为www.enthought.com/products/epd.php. 在安装过程中,你可能需要将一个文件msvcp71.dll放到目录C:\Windows\system32下.你可以从这 里下载这个文件:www.dll-files.com/dllindex/dll-files.shtml?msvcp71.Windows下的IPython安装程 序可以通过访问IPython的官网下载:http://ipython.scipy.org/Wiki/IpythonOnWindows. 刚才做了些什么 我们在Windows上安装了NumPy、SciPy、Matplotlib以及IPython. 1.5 Linux 在Linux上安装NumPy和相关软件的方法取决于具体使用的Linux发行版. 我们将用命令行的 方式安装NumPy,不过你也可以使用图形界面安装程序,这取决于具体的Linux发行版.除了软 件包的名字不一样,安装Matplotlib、SciPy和IPython的命令与安装NumPy时是完全一致的.这几 个软件包不是必需安装的,但这里建议你也一并安装. 1.8 动手实践:在Mac OS X 上安装 NumPy、Matplotlib 和SciPy 5 1 2 3 4 5 11 6 7 8 9 10 1.6 动手实践:在Linux 上安装 NumPy、Matplotlib、SciPy 和IPython 大部分Linux发行版都有NumPy的软件包. 我们将针对一些流行的Linux发行版给出安装步骤. (1) 要在Red Hat上安装NumPy,请在命令行中执行如下命令: yum install python-numpy (2) 要在Mandriva上安装NumPy,请在命令行中执行如下命令: urpmi python-numpy (3) 要在Gentoo上安装NumPy,请在命令行中执行如下命令: sudo emerge numpy (4) 要在Debian或Ubuntu上安装NumPy,请在命令行中执行如下命令: sudo apt-get install python-numpy 下表给出了各Linux发行版中相关软件包的名称以供参考. Linux发行版 NumPy SciPy Matplotlib IPython Arch Linux python-numpy python-scipy python-matplotlib ipython Debian python-numpy python-scipy python-matplotlib ipython Fedora numpy python-scipy python-matplotlib ipython Gentoo dev-python/numpy scipy matplotlib ipython OpenSUSE python-numpy,python-numpy-devel python-scipy python-matplotlib ipython Slackware numpy scipy matplotlib ipython 刚才做了些什么 我们在各种Linux发行版上安装了NumPy、SciPy、Matplotlib以及IPython. 1.7 Mac OS X 在Mac上,你可以通过图形用户界面或者命令行来安装NumPy、Matplotlib和SciPy,根据自 己的喜好选择包管理工具,如MacPorts或Fink等. 1.8 动手实践:在Mac OS X 上安装 NumPy、Matplotlib 和SciPy 我们将使用图形用户界面安装程序,安装步骤如下所示. 6 第1章NumPy 快速入门 (1) 我们先从SourceForge页面下载NumPy的安装程序,地址为http://sourceforge.net/projects/ numpy/files/. Matplotlib和SciPy也可以用类似的方式下载, 只需将前面URL中的numpy修改为scipy 或matplotlib.在我写作本书的时候,IPython还没有提供图形界面的安装程序.如下面的截图所 示,请单击下载合适的DMG文件,且通常要选择最新版本的文件. (2) 打开下载的DMG文件(示例中为numpy-1.7.0-py2.7-python.org-macosx10.6.dmg) ,如下图 所示. ? 在打开的窗口中, 双击那个下方文字以.mpkg结尾的图标, 我们将看到安装程序的欢迎界面. 1.9 动手实践:使用 MacPorts 或Fink 安装 NumPy、SciPy、Matplotlib 和IPython 7 1 2 3 4 5 11 6 7 8 9 10 ? 单击Continue(继续)按钮进入Read Me(自述页)界面,我们将看到一小段NumPy的描 述文字,如下图所示 . ? 单击Continue按钮,可以看到关于软件许可协议的说明. (3) 阅读软件许可协议,单击Continue按钮,在被提示是否接受协议时单击Accept(同意) 按钮.继续安装,最后单击Finish(完成)按钮结束安装. 刚才做了些什么 我们在Mac OS X上用图形用户界面安装程序安装了NumPy. SciPy和Matplotlib的安装步骤与 之很类似,使用上面第(1)步中提到的URL进行下去即可. 1.9 动手实践:使用 MacPorts 或Fink 安装 NumPy、SciPy、 Matplotlib 和IPython 我们也可以选择另外一种安装方式, 即使用MacPorts或Fink来安装NumPy、 SciPy、 Matplotlib 以及IPython.下面给出的安装步骤将安装所有这些软件包.在本书中只有NumPy是必需的,如 果你对其他软件包不感兴趣,也可以暂不安装. 8 第1章NumPy 快速入门 (1) 输入以下命令,从MacPorts安装这些软件包: sudo port install py-numpy py-scipy py-matplotlib py-ipython (2) Fink也包含了相关软件包:NumPy的有scipy-core-py24、scipy-core-py25和scipy-core-py26;SciPy的有scipy-py24、scipy-py25和scipy-py26.执行如下命令,我 们来安装基于Python 2.6的NumPy以及其他推荐安装的软件包: fink install scipy-core-py26 scipy-py26 matplotlib-py26 刚才做了些什么 我们在Mac OS X上使用MacPorts和Fink安装了NumPy以及其他推荐安装的软件包. 1.10 编译源代码 NumPy的源代码可以使用git获取,如下所示: git clone git://github.com/numpy/numpy.git numpy 使用如下命令将NumPy安装至/usr/local: python setup.py build sudo python setup.py install --prefix=/usr/local 我们需要有C编译器(如GCC)和Python开发者包(python-dev或python-devel) ,然后 才可对源代码进行编译. 1.11 数组对象 在介绍完NumPy的安装步骤后,我们来看看NumPy中的数组对象.NumPy数组在数值运算 方面的效率优于Python提供的list容器. 使用NumPy可以在代码中省去很多循环语句, 因此其代码 比等价的Python代码更为简洁. 1.12 动手实践:向量加法 假设我们需要对两个向量a和b做加法.这里的向量即数学意义上的一维数组,随后我们将 在第5章中学习如何用NumPy数组表示矩阵.向量a的取值为0~n的整数的平方,例如n取3时,向量a为0、1或4.向量b的取值为0~n的整数的立方,例如n取3时,向量b为0、1或8.用纯Python 代码应该怎么写呢?我们先想一想这个问题,随后再与等价的NumPy代码进行比较. 1.12 动手实践:向量加法 9 1 2 3 4 5 11 6 7 8 9 10 (1) 以下的纯Python代码可以解决上述问题: def pythonsum(n): a = range(n) b = range(n) c = [] for i in range(len(a)): a[i] = i ** 2 b[i] = i ** 3 c.append(a[i] + b[i]) return c (2) 以下是使用NumPy的代码,它同样能够解决问题: def numpysum(n): a = numpy.arange(n) ** 2 b = numpy.arange(n) ** 3 c = a + b return c 注意,numpysum()函数中没有使用for循环.同时,我们使用NumPy中的arange函数来创 建包含0~n 的整数的NumPy数组.代码中的arange函数前面有一个前缀numpy,表明该函数是从 NumPy模块导入的. 下面我们做一个有趣的实验.在前言部分我们曾提到,NumPy在数组操作上的效率优于纯 Python代码.那么究竟快多少呢?接下来的程序将告诉我们答案,它以微秒(10?6 s)的精度分别 记录下numpysum()和pythonsum()函数的耗时. 这个程序还将输出加和后的向量最末的两个元 素.让我们来看看纯Python代码和NumPy代码是否得到相同的结果: #!/usr/bin/env/python import sys from datetime import datetime import numpy as np """ 本书第1章 该段代码演示Python中的向量加法 使用如下命令运行程序: python vectorsum.py n n为指定向量大小的整数 加法中的第一个向量包含0到n的整数的平方 第二个向量包含0到n的整数的立方 程序将打印出向量加和后的最后两个元素以及运行消耗的时间 """ 10 第1章NumPy 快速入门 def numpysum(n): a = np.arange(n) ** 2 b = np.arange(n) ** 3 c = a + b return c def pythonsum(n): a = range(n) b = range(n) c = [] for i in range(len(a)): a[i] = i ** 2 b[i] = i ** 3 c.append(a[i] + b[i]) return c size = int(sys.argv[1]) start = datetime.now() c = pythonsum(size) delta = datetime.now() - start print "The last 2 elements of the sum", c[-2:] print "PythonSum elapsed time in microseconds", delta.microseconds start = datetime.now() c = numpysum(size) delta = datetime.now() - start print "The last 2 elements of the sum", c[-2:] print "NumPySum elapsed time in microseconds", delta.microseconds 程序在向量元素个数为1000、2000和3000时的输出分别为: $ python vectorsum.py 1000 The last 2 elements of the sum [995007996, 998001000] PythonSum elapsed time in microseconds 707 The last 2 elements of the sum [995007996 998001000] NumPySum elapsed time in microseconds 171 $ python vectorsum.py 2000 The last 2 elements of the sum [7980015996, 7992002000] PythonSum elapsed time in microseconds 1420 The last 2 elements of the sum [7980015996 7992002000] NumPySum elapsed time in microseconds 168 $ python vectorsum.py 4000 The last 2 elements of the sum [63920031996, 63968004000] PythonSum elapsed time in microseconds 2829 The last 2 elements of the sum [63920031996 63968004000] NumPySum elapsed time in microseconds 274 1.13 IPython:一个交互式 shell 工具 11 1 2 3 4 5 11 6 7 8 9 10 如果你是www.packtpub.com的用户并从那里购买了图书,可以从网站上下 载配套的示例代码.如果你是在别处购买了本书,可以访问www.packtpub.com/ support进行登记,我们会直接将示例代码文件以邮件形式发送给你. 刚才做了些什么 显然,NumPy代码比等价的纯Python代码运行速度快得多.有一点可以肯定,即不论我们使 用NumPy还是Python,得到的结果是一致的.不过,两者的输出结果在形式上有些差异.注意, numpysum()函数的输出不包含逗号.这是为什么呢?显然,我们使用的是NumPy数组,而非 Python自身的list容器.正如前言中所述,NumPy数组对象以专用数据结构来存储数值.我们将在 下一章中详细介绍NumPy数组对象. 突击测验:arange函数的功能 问题1 arrange(5)的作用是什么? (1) 创建一个包含5个元素的Python列表(list) ,取值分别为1~5的整数 (2) 创建一个包含5个元素的Python列表,取值分别为0~4的整数 (3) 创建一个包含5个元素的NumPy数组,取值分别为1~5的整数 (4) 创建一个包含5个元素的NumPy数组,取值分别为0~4的整数 (5) 以上都不对 勇敢出发:进一步分析 我们用来比较NumPy和常规Python代码运行速度的程序不是特别严谨, 如果将相同的实验 重复多次并计算相应的统计量 (如平均运行时间等) 会更科学. 你可以把实验结果绘制成图表, 并展示给你的好友和同事. 我们在本章的最后给出了一些在线文档和相关资源,你可以在线获取帮助. 顺便提一下,NumPy中的统计函数可以帮你计算平均数.建议你使用Matplotlib 绘图. (第9章概述了Matplotlib. ) 1.13 IPython:一个交互式 shell 工具 科学家和工程师都喜欢做实验,而IPython正是诞生于爱做实验的科学家之手.IPython提供 12 第1章NumPy 快速入门 的交互式实验环境被很多人认为是Matlab、Mathematica和Maple的开源替代品.你可以在线获取 包括安装指南在内的更多信息,地址为http://ipython.org/. IPython是开源免费的软件,可以在Linux、Unix、Mac OS X以及Windows上使用.IPython的 作者们希望那些用到IPython的科研工作成果在发表时能够提到IPython,这是他们对IPython使用 者唯一的要求.下面是IPython的基本功能: ? Tab键自动补全; ? 历史记录存档; ? 行内编辑; ? 使用%run可以调用外部Python脚本; ? 支持系统命令; ? 支持pylab模式; ? Python代码调试和性能分析. 在pylab模式下, IPython将自动导入SciPy、 NumPy和Matplotlib模块. 如果没有这个功能, 我们只能手动导入每一个所需模块. 而现在,我们只需在命令行中输入如下命令: $ ipython --pylab Python 2.7.2 (default, Jun 20 2012, 16:23:33) Type "copyright", "credits" or "license" for more information. IPython 0.14.dev -- An enhanced Interactive Python. ? -> Introduction and overview of IPython's features. %quickref -> Quick reference. help -> Python's own help system. object? -> Details about 'object', use 'object??' for extra details. Welcome to pylab, a matplotlib-based Python environment [backend: MacOSX]. For more information, type 'help(pylab)'. In [1]: quit() 使用quit()函数或快捷键Ctrl+D均可以退出IPython shell.有时我们想要回到之前做过的实 验,IPython可以便捷地保存会话以便稍后使用. 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 举例来说,我们将之前的向量加法程序放在当前目录下,可以按照如下方式运行脚本: 1.13 IPython:一个交互式 shell 工具 13 1 2 3 4 5 11 6 7 8 9 10 In [1]: ls README vectorsum.py In [2]: %run -i vectorsum.py 1000 你可能还记得,这里的1000是指向量中元素的数量.%run的–d参数将开启ipdb调试器,键入c后,脚本就开始逐行执行了(如果脚本有n行,就一共执行n步直到代码结束) .在ipdb提示 符后面键入quit可以关闭调试器. In [2]: %run -d vectorsum.py 1000 *** Blank or comment *** Blank or comment Breakpoint 1 at: /Users/.../vectorsum.py:3 在ipdb>提示符后面键入c,从而开始运行代码. >
(1)() ipdb> c > /Users/.../vectorsum.py(3)() 2 1---> 3 import sys 4 from datetime import datetime ipdb> n > /Users/.../vectorsum.py(4)() 1 3 import sys ----> 4 from datetime import datetime 5 import numpy ipdb> n > /Users/.../vectorsum.py(5)() 4 from datetime import datetime ----> 5 import numpy 6 ipdb> quit 我们还可以使用%run的–p参数对脚本进行性能分析. In [4]: %run -p vectorsum.py 1000 1058 function calls (1054 primitive calls) in 0.002 CPU seconds Ordered by: internal time ncallstottimepercallcumtimepercallfilename:lineno(function) 1 0.001 0.001 0.001 0.001 vectorsum.py:28(pythonsum) 1 0.001 0.001 0.002 0.002 {execfile} 1000 0.000 0.0000.0000.000 {method "append" of 'list' objects} 1 0.000 0.000 0.002 0.002 vectorsum.py:3() 1 0.000 0.0000.0000.000 vectorsum.py:21(numpysum) 3 0.000 0.0000.0000.000 {range} 1 0.000 0.0000.0000.000 arrayprint.py:175(_array2string) 3/1 0.000 0.0000.0000.000 arrayprint.py:246(array2string) 2 0.000 0.0000.0000.000 {method 'reduce' of 'numpy.ufunc' objects} 4 0.000 0.0000.0000.000 {built-in method now} 2 0.000 0.0000.0000.000 arrayprint.py:486(_formatlnteger) 2 0.000 0.0000.0000.000 {numpy.core.multiarray.arange} 1 0.000 0.0000.0000.000 arrayprint.py:320(_formatArray) 14 第1章NumPy 快速入门 3/1 0.000 0.0000.0000.000 numeric.py:1390(array_str) 1 0.000 0.0000.0000.000 numeric.py:216(asarray) 2 0.000 0.0000.0000.000 arrayprint.py:312(_extendLine) 1 0.000 0.0000.0000.000 fromnumeric.py:1043(ravel) 2 0.000 0.0000.0000.000 arrayprint.py:208() 1 0.000 0.000 0.002 0.002:1() 11 0.000 0.0000.0000.000 {len} 2 0.000 0.0000.0000.000 {isinstance} 1 0.000 0.0000.0000.000 {reduce} 1 0.000 0.0000.0000.000 {method 'ravel' of 'numpy.ndarray' objects} 4 0.000 0.0000.0000.000 {method 'rstrip' of 'str' objects} 3 0.000 0.0000.0000.000 {issubclass} 2 0.000 0.0000.0000.000 {method 'item' of 'numpy.ndarray' objects} 1 0.000 0.0000.0000.000 {max} 1 0.000 0.0000.0000.000 {method 'disable' of ' lsprof.Profiler' objects} 根据性能分析的结果,可以更多地了解程序的工作机制,并能够据此找到程序的性能瓶颈. 使用%hist命令可以查看命令行历史记录. In [2]: a=2+2 In [3]: a Out[3]: 4 In [4]: %hist 1: _ip.magic("hist ") 2: a=2+2 3: a 通过前面的介绍,希望你也认为IPython是非常有用的工具了! 1.14 在线资源和帮助 在IPython的pylab模式下,我们可以使用help命令打开NumPy函数的手册页面.你并不需要 知道所有函数的名字,因为可以在键入少量字符后按下Tab键进行自动补全.例如,我们来查看 一下arange函数的相关信息. In [2]: help ar In [2]: help arange 1.15 本章小结 15 1 2 3 4 5 11 6 7 8 9 10 另一种方法是在函数名后面加一个问号: In [3]: arange? 可以访问http://docs.scipy.org/doc/查看NumPy和SciPy的在线文档.在这个网页上,你可以访 问http://docs.scipy.org/doc/numpy/reference/浏览NumPy的参考资料、用户指南以及一些使用教程. NumPy的wiki站点上也有许多相关文档可供参考: http://docs.scipy.org/numpy/Front%20Page/. NumPy和SciPy的论坛地址为http://ask.scipy.org/en. 广受欢迎的开发技术问答网站Stack Overflow上有成百上千的提问被标记为numpy相关问 题.你可以到这里查看这些问题:http://stackoverflow.com/questions/tagged/numpy. 如果你确实被某个问题困住了,或者想了解NumPy开发的最新进展,可以订阅NumPy的讨 论组邮件列表,电子邮件地址为numpy-discussion@scipy.org.每天的邮件数量不会太多,并且基 本不会讨论无意义的事情. 最重要的是, NumPy的活跃开发者们也愿意回答讨论组里提出的问题. 完整的邮件列表可以在这里找到:www.scipy.org/Mailing_Lists. 对于IRC① 的用户,可以查看irc.freenode.net上的IRC频道.尽管该频道的名称是#scipy,但 你也可以提出NumPy的问题, 因为SciPy是基于NumPy的, SciPy的用户也了解NumPy的知识. SciPy 频道上至少会有50人同时在线. 1.15 本章小结 在本章中,我们安装了NumPy以及其他推荐软件.我们成功运行了向量加法程序,并以此证 明了NumPy优异的性能.随后,我们介绍了交互式shell工具IPython.此外,我们还列出了供你参 考的NumPy文档和在线资源. 在下一章中,我们将深入了解NumPy中的一些基本概念,包括数组和数据类型. ① Internet Relay Chat,一种公开的协议,用于网络即时聊天.——译者注
下载该文档
文档格式：PDF
更新时间：2014-08-14
下载次数：0
点击次数：1
1.2 动手实践:在不同的操作系统上安装 Python 1 1 2 3 4 5 11 6 7 8 9 10 NumPy快速入门 让我们开始吧.首先,我们将介绍如何在不同的操作系统中安装NumPy和 相关软件,并给出使用NumPy的简单示例代码.然后,我们将简单介绍IPython (一种交互式shell工具) .如前言所述,SciPy和NumPy有着密切的联系,因此你 将多次看到SciPy的身影.在本章的末尾,我们将告诉你如何利用在线资源,以 便你在受困于某个问题或不确定最佳的解题方法时,可以在线获取帮助. 本章涵盖以下内容: ? 在Windows、Linux和Macintosh操作系统上安装Python、SciPy、Matplotlib、IPython和NumPy; ? 编写简单的NumPy代码; ? 了解IPython; ? 浏览在线文档和相关资源. 1.1 Python NumPy是基于Python的,因此在安装NumPy之前,我们需要先安装Python.某些操作系统已 经默认安装有Python环境,但你仍需检查Python的版本是否与你将要安装的NumPy版本兼容. Python有很多种实现,包括一些商业化的实现和发行版.在本书中,我们将使用CPython① 实现, 从而保证与NumPy兼容. 1.2 动手实践:在不同的操作系统上安装 Python NumPy在Windows、各种Linux发行版以及Mac OS X上均有二进制安装包.如果你愿意,也 ① CPython是用C语言实现的Python解释器.——译者注 第1章2第1章NumPy 快速入门 可以安装包含源代码的版本.你需要在系统中安装Python 2.4.x或更高的版本.我们将给出在以下 操作系统中安装Python的各个步骤. (1) Debian和Ubuntu Debian和Ubuntu可能已经默认安装了Python,但开发者包(development headers)① 一般不会默认安装.在Debian和Ubuntu中安装python和python-dev的命令如下: sudo apt-get install python sudo apt-get install python-dev (2) Windows Python的Windows安装程序可以在www.python.org/download下载.在这个站点 中,我们也可以找到Mac OS X的安装程序,以及Linux、Unix和Mac OS X下的源代码包. (3) Mac Mac OS X中预装了Python,而我们也可以通过MacPorts、Fink或者类似的包管理工 具来获取Python.举例来说,可以使用如下命令安装Python 2.7: sudo port install python27 LAPACK并不是必需的,但如果需要,NumPy在安装过程中将检测并使用之.我们推荐大家 安装LAPACK以便应对海量数据的计算,因为它拥有高效的线性代数计算模块. 刚才做了些什么 我们在Debian、Ubuntu、Windows和Mac操作系统中安装了Python. 1.3 Windows 在Windows上安装NumPy是很简单的.你只需要下载安装程序,运行后在安装向导的指导下 完成安装. 1.4 动手实践:在Windows 上安装 NumPy、Matplotlib、 SciPy 和IPython 在Windows上安装NumPy是必需的,但幸运的是,安装过程并不复杂,我们将在下面详细阐 述.建议你安装Matplotlib、SciPy和IPython,虽然这一操作对于使用本书不是必需的.我们将按 照如下步骤安装这些软件. (1) 从SourceForge网站下载NumPy的Windows安装程序: http://sourceforge.net/projects/numpy/files/ ① 该软件包提供编译Python模块所需的静态库、头文件以及distutils工具等.——译者注 1.4 动手实践:在Windows 上安装 NumPy、Matplotlib、SciPy 和IPython 3 1 2 3 4 5 11 6 7 8 9 10 请选择合适的版本.在上图中,我们选择了numpy-1.7.0-win32-superpack-python2.7.exe. (2) 下载完成后,双击运行安装程序. (3) 现在,我们可以看到一段对NumPy的描述以及其特性,如上图所示.单击Next(下一步) 按钮以继续安装. (4) 如果你已经安装了Python,NumPy的安装程序应该能自动检测到.如果没有检测到Python, 可能是你的路径设置有误.在本章的末尾,我们列出了一些在线资源,供安装NumPy时遇到问题 的读者参考. 4 第1章NumPy 快速入门 (5) 在上图中, 安装程序成功检测到系统中已安装Python 2.7, 此时应单击Next按钮继续安装; 否则,请单击Cancel(取消)按钮并安装Python(NumPy不能脱离Python单独安装) .继续单击 Next按钮,从这一步起就不能回退到上一步了,因此请你确认是否选择了合适的安装路径和其他 安装选项.现在,真正的安装过程开始了,你需要等待一段时间. (6) SciPy和Matplotlib可以通过Enthough安装,地址为www.enthought.com/products/epd.php. 在安装过程中,你可能需要将一个文件msvcp71.dll放到目录C:\Windows\system32下.你可以从这 里下载这个文件:www.dll-files.com/dllindex/dll-files.shtml?msvcp71.Windows下的IPython安装程 序可以通过访问IPython的官网下载:http://ipython.scipy.org/Wiki/IpythonOnWindows. 刚才做了些什么 我们在Windows上安装了NumPy、SciPy、Matplotlib以及IPython. 1.5 Linux 在Linux上安装NumPy和相关软件的方法取决于具体使用的Linux发行版. 我们将用命令行的 方式安装NumPy,不过你也可以使用图形界面安装程序,这取决于具体的Linux发行版.除了软 件包的名字不一样,安装Matplotlib、SciPy和IPython的命令与安装NumPy时是完全一致的.这几 个软件包不是必需安装的,但这里建议你也一并安装. 1.8 动手实践:在Mac OS X 上安装 NumPy、Matplotlib 和SciPy 5 1 2 3 4 5 11 6 7 8 9 10 1.6 动手实践:在Linux 上安装 NumPy、Matplotlib、SciPy 和IPython 大部分Linux发行版都有NumPy的软件包. 我们将针对一些流行的Linux发行版给出安装步骤. (1) 要在Red Hat上安装NumPy,请在命令行中执行如下命令: yum install python-numpy (2) 要在Mandriva上安装NumPy,请在命令行中执行如下命令: urpmi python-numpy (3) 要在Gentoo上安装NumPy,请在命令行中执行如下命令: sudo emerge numpy (4) 要在Debian或Ubuntu上安装NumPy,请在命令行中执行如下命令: sudo apt-get install python-numpy 下表给出了各Linux发行版中相关软件包的名称以供参考. Linux发行版 NumPy SciPy Matplotlib IPython Arch Linux python-numpy python-scipy python-matplotlib ipython Debian python-numpy python-scipy python-matplotlib ipython Fedora numpy python-scipy python-matplotlib ipython Gentoo dev-python/numpy scipy matplotlib ipython OpenSUSE python-numpy,python-numpy-devel python-scipy python-matplotlib ipython Slackware numpy scipy matplotlib ipython 刚才做了些什么 我们在各种Linux发行版上安装了NumPy、SciPy、Matplotlib以及IPython. 1.7 Mac OS X 在Mac上,你可以通过图形用户界面或者命令行来安装NumPy、Matplotlib和SciPy,根据自 己的喜好选择包管理工具,如MacPorts或Fink等. 1.8 动手实践:在Mac OS X 上安装 NumPy、Matplotlib 和SciPy 我们将使用图形用户界面安装程序,安装步骤如下所示. 6 第1章NumPy 快速入门 (1) 我们先从SourceForge页面下载NumPy的安装程序,地址为http://sourceforge.net/projects/ numpy/files/. Matplotlib和SciPy也可以用类似的方式下载, 只需将前面URL中的numpy修改为scipy 或matplotlib.在我写作本书的时候,IPython还没有提供图形界面的安装程序.如下面的截图所 示,请单击下载合适的DMG文件,且通常要选择最新版本的文件. (2) 打开下载的DMG文件(示例中为numpy-1.7.0-py2.7-python.org-macosx10.6.dmg) ,如下图 所示. ? 在打开的窗口中, 双击那个下方文字以.mpkg结尾的图标, 我们将看到安装程序的欢迎界面. 1.9 动手实践:使用 MacPorts 或Fink 安装 NumPy、SciPy、Matplotlib 和IPython 7 1 2 3 4 5 11 6 7 8 9 10 ? 单击Continue(继续)按钮进入Read Me(自述页)界面,我们将看到一小段NumPy的描 述文字,如下图所示 . ? 单击Continue按钮,可以看到关于软件许可协议的说明. (3) 阅读软件许可协议,单击Continue按钮,在被提示是否接受协议时单击Accept(同意) 按钮.继续安装,最后单击Finish(完成)按钮结束安装. 刚才做了些什么 我们在Mac OS X上用图形用户界面安装程序安装了NumPy. SciPy和Matplotlib的安装步骤与 之很类似,使用上面第(1)步中提到的URL进行下去即可. 1.9 动手实践:使用 MacPorts 或Fink 安装 NumPy、SciPy、 Matplotlib 和IPython 我们也可以选择另外一种安装方式, 即使用MacPorts或Fink来安装NumPy、 SciPy、 Matplotlib 以及IPython.下面给出的安装步骤将安装所有这些软件包.在本书中只有NumPy是必需的,如 果你对其他软件包不感兴趣,也可以暂不安装. 8 第1章NumPy 快速入门 (1) 输入以下命令,从MacPorts安装这些软件包: sudo port install py-numpy py-scipy py-matplotlib py-ipython (2) Fink也包含了相关软件包:NumPy的有scipy-core-py24、scipy-core-py25和scipy-core-py26;SciPy的有scipy-py24、scipy-py25和scipy-py26.执行如下命令,我 们来安装基于Python 2.6的NumPy以及其他推荐安装的软件包: fink install scipy-core-py26 scipy-py26 matplotlib-py26 刚才做了些什么 我们在Mac OS X上使用MacPorts和Fink安装了NumPy以及其他推荐安装的软件包. 1.10 编译源代码 NumPy的源代码可以使用git获取,如下所示: git clone git://github.com/numpy/numpy.git numpy 使用如下命令将NumPy安装至/usr/local: python setup.py build sudo python setup.py install --prefix=/usr/local 我们需要有C编译器(如GCC)和Python开发者包(python-dev或python-devel) ,然后 才可对源代码进行编译. 1.11 数组对象 在介绍完NumPy的安装步骤后,我们来看看NumPy中的数组对象.NumPy数组在数值运算 方面的效率优于Python提供的list容器. 使用NumPy可以在代码中省去很多循环语句, 因此其代码 比等价的Python代码更为简洁. 1.12 动手实践:向量加法 假设我们需要对两个向量a和b做加法.这里的向量即数学意义上的一维数组,随后我们将 在第5章中学习如何用NumPy数组表示矩阵.向量a的取值为0~n的整数的平方,例如n取3时,向量a为0、1或4.向量b的取值为0~n的整数的立方,例如n取3时,向量b为0、1或8.用纯Python 代码应该怎么写呢?我们先想一想这个问题,随后再与等价的NumPy代码进行比较. 1.12 动手实践:向量加法 9 1 2 3 4 5 11 6 7 8 9 10 (1) 以下的纯Python代码可以解决上述问题: def pythonsum(n): a = range(n) b = range(n) c = [] for i in range(len(a)): a[i] = i ** 2 b[i] = i ** 3 c.append(a[i] + b[i]) return c (2) 以下是使用NumPy的代码,它同样能够解决问题: def numpysum(n): a = numpy.arange(n) ** 2 b = numpy.arange(n) ** 3 c = a + b return c 注意,numpysum()函数中没有使用for循环.同时,我们使用NumPy中的arange函数来创 建包含0~n 的整数的NumPy数组.代码中的arange函数前面有一个前缀numpy,表明该函数是从 NumPy模块导入的. 下面我们做一个有趣的实验.在前言部分我们曾提到,NumPy在数组操作上的效率优于纯 Python代码.那么究竟快多少呢?接下来的程序将告诉我们答案,它以微秒(10?6 s)的精度分别 记录下numpysum()和pythonsum()函数的耗时. 这个程序还将输出加和后的向量最末的两个元 素.让我们来看看纯Python代码和NumPy代码是否得到相同的结果: #!/usr/bin/env/python import sys from datetime import datetime import numpy as np """ 本书第1章 该段代码演示Python中的向量加法 使用如下命令运行程序: python vectorsum.py n n为指定向量大小的整数 加法中的第一个向量包含0到n的整数的平方 第二个向量包含0到n的整数的立方 程序将打印出向量加和后的最后两个元素以及运行消耗的时间 """ 10 第1章NumPy 快速入门 def numpysum(n): a = np.arange(n) ** 2 b = np.arange(n) ** 3 c = a + b return c def pythonsum(n): a = range(n) b = range(n) c = [] for i in range(len(a)): a[i] = i ** 2 b[i] = i ** 3 c.append(a[i] + b[i]) return c size = int(sys.argv[1]) start = datetime.now() c = pythonsum(size) delta = datetime.now() - start print "The last 2 elements of the sum", c[-2:] print "PythonSum elapsed time in microseconds", delta.microseconds start = datetime.now() c = numpysum(size) delta = datetime.now() - start print "The last 2 elements of the sum", c[-2:] print "NumPySum elapsed time in microseconds", delta.microseconds 程序在向量元素个数为1000、2000和3000时的输出分别为: $ python vectorsum.py 1000 The last 2 elements of the sum [995007996, 998001000] PythonSum elapsed time in microseconds 707 The last 2 elements of the sum [995007996 998001000] NumPySum elapsed time in microseconds 171 $ python vectorsum.py 2000 The last 2 elements of the sum [7980015996, 7992002000] PythonSum elapsed time in microseconds 1420 The last 2 elements of the sum [7980015996 7992002000] NumPySum elapsed time in microseconds 168 $ python vectorsum.py 4000 The last 2 elements of the sum [63920031996, 63968004000] PythonSum elapsed time in microseconds 2829 The last 2 elements of the sum [63920031996 63968004000] NumPySum elapsed time in microseconds 274 1.13 IPython:一个交互式 shell 工具 11 1 2 3 4 5 11 6 7 8 9 10 如果你是www.packtpub.com的用户并从那里购买了图书,可以从网站上下 载配套的示例代码.如果你是在别处购买了本书,可以访问www.packtpub.com/ support进行登记,我们会直接将示例代码文件以邮件形式发送给你. 刚才做了些什么 显然,NumPy代码比等价的纯Python代码运行速度快得多.有一点可以肯定,即不论我们使 用NumPy还是Python,得到的结果是一致的.不过,两者的输出结果在形式上有些差异.注意, numpysum()函数的输出不包含逗号.这是为什么呢?显然,我们使用的是NumPy数组,而非 Python自身的list容器.正如前言中所述,NumPy数组对象以专用数据结构来存储数值.我们将在 下一章中详细介绍NumPy数组对象. 突击测验:arange函数的功能 问题1 arrange(5)的作用是什么? (1) 创建一个包含5个元素的Python列表(list) ,取值分别为1~5的整数 (2) 创建一个包含5个元素的Python列表,取值分别为0~4的整数 (3) 创建一个包含5个元素的NumPy数组,取值分别为1~5的整数 (4) 创建一个包含5个元素的NumPy数组,取值分别为0~4的整数 (5) 以上都不对 勇敢出发:进一步分析 我们用来比较NumPy和常规Python代码运行速度的程序不是特别严谨, 如果将相同的实验 重复多次并计算相应的统计量 (如平均运行时间等) 会更科学. 你可以把实验结果绘制成图表, 并展示给你的好友和同事. 我们在本章的最后给出了一些在线文档和相关资源,你可以在线获取帮助. 顺便提一下,NumPy中的统计函数可以帮你计算平均数.建议你使用Matplotlib 绘图. (第9章概述了Matplotlib. ) 1.13 IPython:一个交互式 shell 工具 科学家和工程师都喜欢做实验,而IPython正是诞生于爱做实验的科学家之手.IPython提供 12 第1章NumPy 快速入门 的交互式实验环境被很多人认为是Matlab、Mathematica和Maple的开源替代品.你可以在线获取 包括安装指南在内的更多信息,地址为http://ipython.org/. IPython是开源免费的软件,可以在Linux、Unix、Mac OS X以及Windows上使用.IPython的 作者们希望那些用到IPython的科研工作成果在发表时能够提到IPython,这是他们对IPython使用 者唯一的要求.下面是IPython的基本功能: ? Tab键自动补全; ? 历史记录存档; ? 行内编辑; ? 使用%run可以调用外部Python脚本; ? 支持系统命令; ? 支持pylab模式; ? Python代码调试和性能分析. 在pylab模式下, IPython将自动导入SciPy、 NumPy和Matplotlib模块. 如果没有这个功能, 我们只能手动导入每一个所需模块. 而现在,我们只需在命令行中输入如下命令: $ ipython --pylab Python 2.7.2 (default, Jun 20 2012, 16:23:33) Type "copyright", "credits" or "license" for more information. IPython 0.14.dev -- An enhanced Interactive Python. ? -> Introduction and overview of IPython's features. %quickref -> Quick reference. help -> Python's own help system. object? -> Details about 'object', use 'object??' for extra details. Welcome to pylab, a matplotlib-based Python environment [backend: MacOSX]. For more information, type 'help(pylab)'. In [1]: quit() 使用quit()函数或快捷键Ctrl+D均可以退出IPython shell.有时我们想要回到之前做过的实 验,IPython可以便捷地保存会话以便稍后使用. 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 举例来说,我们将之前的向量加法程序放在当前目录下,可以按照如下方式运行脚本: 1.13 IPython:一个交互式 shell 工具 13 1 2 3 4 5 11 6 7 8 9 10 In [1]: ls README vectorsum.py In [2]: %run -i vectorsum.py 1000 你可能还记得,这里的1000是指向量中元素的数量.%run的–d参数将开启ipdb调试器,键入c后,脚本就开始逐行执行了(如果脚本有n行,就一共执行n步直到代码结束) .在ipdb提示 符后面键入quit可以关闭调试器. In [2]: %run -d vectorsum.py 1000 *** Blank or comment *** Blank or comment Breakpoint 1 at: /Users/.../vectorsum.py:3 在ipdb>提示符后面键入c,从而开始运行代码. >