Основы Python

PIP: PIP Installs Packages

sudo pip install packagename sudo pip uninstall packagename
cd C:\Python27\Scripts\ pip

Arrays – Numerical Python (Numpy)

Списки

Нет арифметических операций (+, -, *, /,

Numpy – N-dimensional Array manipulations

NumPy – основная библиотека для научных расчетов

Numpy – Creating vectors

From lists
numpy.array – создание массива из списка значений

>>>

>>> import numpy
>>> M = numpy.array([[1,2], [3, 4], [5,6], [7,8]], dtype=float)
>>>

Numpy – Creating matrices

>>> L = [[1, 2, 3], [3, 6,

Numpy – Matrices use

>>> print(a)
[[1 2 3]
[3 6

Numpy – Creating arrays

>>> x = numpy.arange(0, 10, 1) # arguments:

Numpy – Creating arrays

# a diagonal matrix
>>> print numpy.diag([1,2,3])
array([[1, 0, 0],

Numpy – array creation and use

>>> d = numpy.arange(5) # just

Numpy – array creation and use

# random data
>>> print numpy.random.rand(5,5)
array([[ 0.51531133,

Numpy – Creating arrays

Чтение из файла

sample.txt:
"Stn", "Datum", "Tg", "qTg", "Tn", "qTn",

Numpy – Creating arrays

Сохранение в файл

>>> numpy.savetxt('datasaved.txt', data)
datasaved.txt:
1.000000000000000000e+00 1.901010100000000000e+07 -4.900000000000000000e+01 0.000000000000000000e+00

Numpy – Creating arrays

>>> M = numpy.random.rand(3,3)
>>> print M
array([[ 0.84188778, 0.70928643,

Numpy – array methods

>>> print arr.sum()
145
>>> print arr.mean()
14.5

Numpy – array methods - sorting

>>> arr = numpy.array([4.5, 2.3, 6.7,

Numpy – array functions

>>> print arr.sum()
45
>>> print numpy.sum(arr)
45

>>>

Numpy – array operations

>>> a = numpy.array([[1.0, 2.0], [4.0, 3.0]])
>>>

Numpy – arrays, matrices

>>> import numpy
>>> m = numpy.mat([[1,2],[3,4]])
>>>

Numpy – matrices

>>> a = numpy.array([[1,2],[3,4]])
>>> m = numpy.mat(a) #

>>> a = linspase(0,1,11)
>>> print a
[ 0. 0.1 0.2 0.3

Plotting - matplotlib

>>> import matplotlib.pyplot as plt

Matplotlib.pyplot basic example

import matplotlib.pyplot as plt plt.plot([1,3,2,4])
plt.ylabel('some numbers')
plt.show()

Matplotlib.pyplot basic example

import numpy
import matplotlib.pyplot as plt
x = numpy.linspace(0, 5, 10)
y

Matplotlib.pyplot basic example

x = numpy.linspace(0, 5, 10)
y = x ** 2
plt.subplot(1,2,1)
plt.plot(x,

x = numpy.linspace(0, 5, 2)
plt.plot(x, x+1, color="red", alpha=0.5) # half-transparant red
plt.plot(x,

plt.plot(x, x+1, color="blue", linewidth=0.25)
plt.plot(x, x+2, color="blue", linewidth=0.50)
plt.plot(x, x+3, color="blue", linewidth=1.00)
plt.plot(x, x+4,

Matplotlib.pyplot example

import numpy as np
import matplotlib.pyplot as plt
def f(t):

Matplotlib.pyplot basic example

fig = plt.figure()
axes1 = fig.add_axes([0.1, 0.1, 0.8, 0.8]) #

Matplotlib.pyplot basic example

plt.legend(loc=0) # let matplotlib decide plt.legend(loc=1) # upper right

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0.0, 5.0, 0.1)
plt.plot(x,

Matplotlib.pyplot basic example

plt.plot(x, x**2, 'bo', label='$y = x^2$')
plt.plot(x, np.cos(2*np.pi*x), 'r--', label='$y

Matplotlib.pyplot basic example

x = np.arange(-4.0, 4.0, 0.01)
plt.plot(x, x**2, color='blue')
plt.xlabel('$x$', fontsize=18)
plt.ylabel('$x^2$', color='blue',

Overwhelming annotation

x = np.arange(-2.0, 2.0, 0.01)
plt.plot(x, np.cos(2*np.pi*x))
plt.xlim(-2.1, 2.1)
plt.ylim(-1.5, 1.5)
plt.annotate('-', xy=(-2,1), xytext=(-1.8,1.3),

Matplotlib.pyplot basic example

x = np.linspace(-1.0, 2.0, 16)
plt.subplot(221)
plt.scatter(x, np.sin(50 * x +

Matplotlib.pyplot basic example

import matplotlib.pyplot as plt
import pyfits
data = pyfits.getdata('frame-g-006073-4-0063.fits')
plt.imshow(data, cmap='gnuplot2')
plt.colorbar()
plt.show()

# plt.show()
plt.savefig('filename', orientation='landscape', format='eps')
# orientation='portrait'
# 'landscape‘
# format='png'(по умолчанию)
# 'pdf'
# 'eps'
# 'ps'
#

Пакет SciPy

Генерация и визуализация случайных последовательностей

Субмодуль numpy.random включает векторные версии нескольких различных

Data Modeling and Fitting

curve_fit – метод, позволяющий аппроксимировать набор точек некоторой

Data Modeling and Fitting

curve_fit – метод, позволяющий аппроксимировать набор точек некоторой

функция fsolve – решение уравнений

>>> import numpy as np
>>> from scipy.optimize

Interpolation

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> from scipy.interpolate

Интегрирование

>>> from scipy.integrate import *
[<интеграл>,<ошибка>] = quad(f(x),xmin,xmax)
inf изображает бесконечный предел интегрирования

Субмодуль

Интегрирование

>>> import numpy as np
>>> from scipy.integrate import *
>>> x=np.linspace(0,np.pi,10)
>>> f

Решение дифференциальных уравнений Функция odeint

odeint(f(x,t),x0,<вектор t>)

Решение дифференциальных уравнений Функция integrate.odeint

>>> import numpy as np
>>> import matplotlib.pyplot as

Решение дифференциальных уравнений Функция integrate.odeint

Решение дифференциальных уравнений Функция integrate.odeint

>>> import numpy as np
>>> import matplotlib.pyplot as

На языке программирования Python для спектра звезды, полученного при наблюдениях в

GAIA DR2 http://gea.esac.esa.int/archive/

Сделать выборку звезд в окрестности Солнца (<= 0.5 пк)

Сделать выборку молодых звезд в окрестности Солнца (<= 0.5 пк) с

GAIA DR2

Для молодых звезд в окрестности Солнца (<= 0.5 пк) с