Differences

This shows you the differences between two versions of the page.

--- appunti3s:numpy [2020/07/08 23:54] – profpro
+++ appunti3s:numpy [2020/07/17 07:08] – profpro
@@ Line 5: / Line 5: @@
 https://numpy.org/doc/stable/
-Il python classico usa gli oggetti unidimensionali //array.array//
+Il python (classico) dispone di oggetti  //array.array// (monodimensionali)
 numpy permette di usare un nuovo tipo di array
-<code> numpy.array </code>
+<code> numpy.ndarray </code>
-noti anche con il termine "ndarray"
+  *  **ndarray** = N-dimensional array, ndarray, sono noti anche con il termine "array", cosa che potrebbe causare confusione se non si usasse il nome del modulo (numpy) come prefisso (numpy.array)
-Vediamo alcuni esempi per definire un array
+==Vediamo alcuni esempi per definire un array==
-<code>
+  *  dtype = data type
+<file python 1.py>
 import numpy as np
 a = [[ 1., 0., 0.], [ 0., 1., 2.]]
 b = np.array([1.2, 3.5, 5.1])
-c = np.array( [ [1.0,2.0], [3.0,4.0] ], dtype=complex )
+c = np.array( [ [1.0,2.0], [3.0,4.0] ], dtype=complex ) # oppure int32
 d = np.zeros((3, 4))
 e = np.ones((3, 4))
+del e    # libera la memoria
+</file>
+  *  shape = definisce la forma (le dimensioni) dell'array, cioè la grandezza (size) di ogni asse
+  *  nel precedente esempio
+    *  la variabile a, ha due assi, il primo ha lunghezza 3, il secondo ha lunghezza 2
+    *  la variabile b ha due assi, il primo ha lunghezza 3, il secondo ha lunghezza 1, quindi si dice che ha un solo asse.
+  * Per comprendere questo termine (numero di assi) basta immaginare che la variabile b possa essere usata per contenere i punti dell'asse x
+Questa istruzione preleva solo alcuni valori, tutti e tre della seconda colonna.
+  c[0:2, 1]
+  c[:,1]     # equivalente
+==Iterazione==
+usando un indice si stampano intere righe alla volta
+<code python>
+  >>> for riga in c:
+  ...     print(row)
 </code>
+usando flat si stampano i singoli elementi
+<code python>
+  >>> for elemento in c.flat:
+  ...     print(element)
+</code>
+==Esempio in cui si vuole valutare una funzione==
+<file python 2.py>
+from numpy import pi
+x = np.linspace( 0, 2*pi, 100 )        # useful to evaluate function at lots of points
+f = np.sin(x)
+b = np.fromfunction(f,(100,0),dtype=int)
+y,x = np.ogrid[ -1.4:1.4:h*1j, -2:0.8:w*1j ]
+</file>
+====Esempio di operatori====
+== matrix product ==
+Scopriamo che è semplice fare le operazioni sui singoli elementi (potenze)
+<code python>
+  >>> b = np.array([1.2, 3.5, 5.1])
+  >>> b**2
+  array([ 1.44, 12.25, 26.01])
+</code>
+==Prodotto vettoriale o cross product==
+Di solito si moltiplicano due array 1 D e si ottiene un terzo array 1 D, ortogonale.
+<code python>
+  numpy.cross(a, b, axisa=-1, axisb=-1, axisc=-1, axis=None)
+</code>
+==Prodotto scalare o dot product==
+Ha un comportamento diverso, a seconda dei fattori utilizzati
+  * usando il tipo scalare 0 D, equivale a fare il prodotto con asterisco *
+  * usando il tipo array 1 D, equivale a fare il prodotto scalare, o somma dei prodotti
+  * usando il tipo array 2 D, .........
+<code>
+   fare un esempio....
+</code>
+Quando gli array sono 2D è preferibile usare @
+<code python>
+  >>> d @ e
+</code>
+== operazioni scalari ==
+<code python>
+  b.sum()         # somma tutti gli elementi
+  b.sum(axis=0)   # somma in colonna
+  b.sum(axis=1)   # somma in righe
+</code>
+== Randomizzare ==
+Anche numpy ha il proprio generatore di numeri causali
+<file python 4.py>
+  import numpy.random as np_r
+  rng = np_r.default_rng()
+  vals = rng.standard_normal(10)
+  more_vals = rng.standard_normal(10)
+</file>
+==Copia e vista==
+Non esistono puntatori, ma si usano!
+<code python>
+  >>> a = np.array([2,3,4])
+  >>> b = a                # b punta ad a, esiste un solo array
+  >>> b is a
+  True
+  >>> print(id(a))
+  >>> print(id(b))
+</code>
+<code python>
+  >>> c=a.view() # le viste sono una copia, con id diverso
+  >>> c = a[:, :] # COPIA cioe' crea una view!
+</code>
+Modificando i dati di A, si modifica anche C!
+Modificando i dati di C, si modifica anche A!
+Modificando gli attributi (flag) di C NON si modificano i parametri di A!
+== Deep copy ==
+<code python>
+  >>> d = a.copy()
+  >>> e = a[:,9].copy() # copia parziale
+</code>
+==Array di Indici di Array==
+<code python>
+  >>> a = np.arange(12)**2                       # the first 12 square numbers
+  >>> i = np.array([1, 1, 3, 8, 5])              # an array of indices
+  >>> a[i]                                       # the elements of a at the positions i
+  array([ 1,  1,  9, 64, 25])
+</code>