Numerisches Python

Inhalt

Vorwort

Danksagung

1 Einleitung

1.1 Die richtige Wahl

1.2 Aufbau des Buches

1.3 Python-Installation

1.4 Download der Beispiele

1.5 Anregungen und Kritik

2 Numerisches Programmieren mit Python

2.1 Definition von numerischer Programmierung

2.2 Zusammenhang zwischen Python, NumPy, Matplotlib, SciPy und Pandas

2.3 Python, eine Alternative zu Matlab

Teil I Kurze Einführung in Python

3 Kurze Einführung in Python

3.1 Datenstrukturen

3.1.1 Zahlen und Variablen

3.1.2 Zeichenketten

3.1.3 Listen

3.1.4 Tupel

3.1.5 Frozensets und Mengen in Python

3.1.6 Dictionaries

3.2 Kontrollstrukturen

3.2.1 Bedingte Anweisungen

3.2.2 Schleifen

3.2.3 Funktionen

3.3 Ausnahmebehandlung

3.3.1 Die optionale else-Klausel

3.3.2 Exceptions generieren

3.3.3 Finalisierungsaktion

3.4 Dateien lesen und schreiben

3.4.1 Datei lesen

3.4.2 Datei schreiben

3.5 Modularisierung

3.5.1 Namensräume von Modulen

3.5.2 Suchpfad für Module

3.5.3 Inhalt eines Moduls

3.5.4 Eigene Module

3.5.5 Dokumentation für eigene Module

3.6 Klassen-Definition

3.6.1 Eine einfache Klasse

3.6.2 Attribute

3.6.3 Initialisierung von Instanzen

3.6.4 Vererbung

3.6.5 Private, geschützte und öffentliche Attribute

3.6.6 Properties

Teil II NumPy

4 NumPy Einführung

4.1 Überblick

4.2 Vergleich NumPy-Datenstrukturen und Python

4.3 Ein einfaches Beispiel

4.4 Grafische Darstellung der Werte

4.5 Speicherbedarf

4.6 Zeitvergleich zwischen Python-Listen und NumPy-Arrays

5 Arrays in NumPy erzeugen

5.1 Erzeugung äquidistanter Intervalle

5.1.1 arange

5.1.2 linspace

5.1.3 Nulldimensionale Arrays in NumPy

5.1.4 Eindimensionales Array

5.1.5 Zwei- und Mehrdimensionale Arrays

5.2 Shape/Gestalt eines Arrays

5.3 Indizierung und Teilbereichsoperator

5.4 Dreidimensionale Arrays

5.5 Arrays mit Nullen und Einsen

5.6 Arrays kopieren

5.6.1 numpy.copy(A) und A.copy()

5.6.2 Zusammenhängend gespeicherte Arrays

5.7 Identitätsarray

5.7.1 Die identity-Funktion

5.7.2 Die eye-Funktion

5.8 Aufgaben

5.9 Lösungen

6 Datentyp-Objekt: dtype

6.1 dtype

6.2 Strukturierte Arrays

6.3 Ein- und Ausgabe von strukturierten Arrays

6.4 Unicode-Strings in Arrays

6.5 Umbenennen von Spaltennamen

6.6 Spaltenwerte austauschen

6.7 Komplexeres Beispiel

6.8 Aufgaben

6.9 Lösungen

7 Dimensionsänderungen

7.1 Reduktion und Reshape von Arrays

7.1.1 flatten

7.1.2 ravel

7.1.3 Unterschiede zwischen ravel und flatten

7.1.4 reshape

7.2 Konkatenation von Arrays

7.3 Weitere Dimensionen hinzufügen

7.4 Vektoren stapeln

7.5 Fliesen mit tile

8 Numerische Operationen auf NumPy-Arrays

8.1 Operatoren und Skalare

8.2 Arithmetische Operationen auf zwei Arrays

8.3 Matrizenmultiplikation und Skalarprodukt

8.3.1 Definition der dot-Funktion

8.3.2 Beispiele zur dot-Funktion

8.3.3 Das dot-Produkt im 3-dimensionalen Fall

8.4 Vergleichsoperatoren

8.5 Logische Operatoren

8.6 Broadcasting

8.6.1 Zeilenweises Broadcasting

8.6.2 Spaltenweises Broadcasting:

8.6.3 Broadcasting von zwei eindimensionalen Arrays

8.7 Distanzmatrix

8.8 Ufuncs

8.8.1 Anwendung von Ufuncs

8.8.2 Parameter für Rückgabewerte bei Ufuncs

8.8.3 accumulate

8.8.4 reduce

8.8.5 outer

8.8.6 at

8.9 Aufgaben

8.10 Lösungen

9 Statistik und Wahrscheinlichkeiten

9.1 Einführung

9.2 Zufallszahlen mit Python

9.2.1 Die Module random und secrets

9.2.2 Erzeugen einer Liste von Zufallszahlen

9.3 Zufällige Integer-Zahlen mit Python

9.4 Stichproben/Auswahlen

9.5 Zufallsintervalle

9.6 Gewichtete Zufallsauswahl

9.7 Stichproben mit Python

9.8 Kartesische Auswahl

9.8.1 Kartesisches Produkt

9.8.2 Kartesische Auswahl: cartesian_choice

9.9 Echte Zufallszahlen

9.10 Seed/Startwert

9.11 Gauss'sche Normalverteilung

9.12 Übung mit Binärsender

9.13 Synthetische Verkaufszahlen

9.14 Aufgaben

9.15 Lösungen

10 Boolesche Maskierung und Indizierung

10.1 Fancy-Indizierung

10.2 Indizierung mit einem Integer-Array

10.2.1 Übung

10.2.2 Lösung

10.3 nonzero und where

10.3.1 Übung

10.3.2 Lösung

10.3.3 Flatnonzero und count_nonzero

11 Lesen und Schreiben von Datendateien

11.1 Textdateien speichern mit savetxt

11.2 Textdateien laden mit loadtxt

11.2.1 loadtxt ohne Parameter

11.2.2 Spezielle Trenner

11.2.3 Selektives Einlesen von Spalten

11.2.4 Datenkonvertierung beim Einlesen

11.3 tofile

11.4 fromfile

11.5 Best Practice, um Daten zu laden und zu speichern

11.6 Und noch ein anderer Weg: genfromtxt

Teil III Matplotlib

12 Einführung

12.1 Ein erstes Beispiel

12.2 Der Formatparameter von pyplot.plot

12.3 Bezeichnungen für die Achsen

12.4 Abfragen und Ändern des Wertebereichs der Achsen

12.5 linspace zur Definition von X-Werten

12.6 Linienstil ändern

12.7 Flächen einfärben

13 Achsen- und Skalenteilung

13.1 Achsenverschiebungen und Achsenbezeichnungen

13.2 Verändern der Achsenbeschriftungen

13.3 Justierung der Tick-Beschriftungen

14 Legenden und Kommentare hinzufügen

14.1 Legende hinzufügen

14.2 Kommentare

15 Mehrfache Plots und Doppelachsen

15.1 Mehrere Abbildungen und Achsen

15.2 Unterdiagramm mit gridspec

15.3 Arbeiten mit Objekten

15.4 Ein Plot innerhalb eines anderen Plots

15.5 Setzen des Plotbereichs

15.6 Logarithmische Darstellung

15.7 Sekundäre Y-Achse

15.8 Gitterlinien

15.9 Abbildungen speichern

15.10 Aufgaben

15.11 Lösungen

16 Konturplots

16.1 Erstellen eines Maschengitters

16.2 Berechnung der Werte

16.3 Linienstil und Farben anpassen

16.4 Gefüllte Konturen

16.5 Individuelle Farben

16.6 Schwellen

16.7 Andere Grids

16.7.1 Meshgrid genauer

16.7.2 mgrid

16.7.3 ogrid

16.8 Aufgaben

16.9 Lösungen

17 Balken-, Säulendiagramme und Histogramme

17.1 Histogramme

17.2 Säulendiagramm

17.3 Balkendiagramme

17.4 Aufgaben

17.5 Lösung

Teil IV Pandas

18 Einführung in Pandas

18.1 Datenstrukturen

18.2 Series

18.2.1 Indizierung

18.2.2 pandas.Series.apply

18.2.3 Zusammenhang zu Dictionaries

18.3 NaN – Fehlende Daten

18.3.1 Die Methoden isnull() und notnull()

18.3.2 Zusammenhang zwischen NaN und None

18.3.3 Fehlende Daten filtern

18.3.4 Fehlende Daten auffüllen

19 DataFrame

19.1 Zusammenhang zu Series

19.2 Manipulation der Spaltennamen

19.3 Zugriff auf Spalten

19.4 DataFrames aus Dictionaries

19.5 Index ändern

19.5.1 Umsortierung der Spalten

19.5.2 Spalte in Index umfunktionieren

19.6 Selektion von Zeilen

19.7 Summen und kumulative Summen

19.8 Spaltenwerte ersetzen

19.9 Sortierung

19.10 Spalten einfügen

19.11 DataFrame und verschachtelte Dictionaries

19.12 Aufgaben

19.13 Lösungen

20 Dateien lesen und schreiben

20.1 Trennerseparierte Werte

20.2 CSV- und DSV-Dateien lesen

20.3 Schreiben von CSV-Dateien

20.4 Lesen und Schreiben von Excel-Dateien

20.5 Aufgaben

20.6 Lösungen

21 Umgang mit NaN

21.1 'nan' in Python

21.2 NaN in Pandas

21.2.1 Beispiel mit NaNs

21.3 dropna() verwenden

21.4 Aufgaben

21.5 Lösungen

22 Binning

22.1 Einführung

22.2 Binning mit Pandas

22.2.1 Von Pandas verwendete Bins

22.2.2 Andere Wege, um Bins zu definieren

22.2.3 Bins und Werte zählen

22.2.4 Bins benennen

23 Mehrstufige Indizierung

23.1 Einführung

23.2 Mehrstufig indizierte Series

23.3 Zugriffsmöglichkeiten

23.4 Zusammenhang zu DataFrames

23.5 Dreistufige Indizes

23.6 Vertauschen mehrstufiger Indizes

23.7 Aufgaben

23.8 Lösungen

24 Datenvisualisierung mit Pandas

24.1 Einführung

24.2 Liniendiagramme in Pandas

24.2.1 Series

24.2.2 DataFrames

24.2.3 Sekundärachsen (Twin Axes)

24.2.4 Mehrere Y-Achsen

24.3 Ein komplexeres Beispiel

24.3.1 Spalten mit Zeichenketten (Strings) in Floats wandeln

24.4 Balkendiagramme in Pandas

24.4.1 Ein einfaches Beispiel

24.4.2 Balkengrafik für die Programmiersprachennutzung

24.4.3 Farbgebung einer Balkengrafik

24.5 Kuchendiagramme in Pandas

24.5.1 Ein einfaches Beispiel

25 Zeit und Datum

25.1 Einführung

25.2 Python-Standardmodule für Zeitdaten

25.2.1 Die date-Klasse

25.2.2 Die time-Klasse

25.3 Die datetime-Klasse

25.4 Unterschied zwischen Zeiten

25.4.1 Wandlung von datetime-Objekten in Strings

25.4.2 Wandlung mit strftime

25.5 Ausgabe in Landessprache

25.6 datetime-Objekte aus Strings erstellen

26 Zeitserien

26.1 Einführung

26.2 Zeitreihen und Python

26.3 Datumsbereiche erstellen

Stichwortverzeichnis