[{"id": 2743, "state": 1, "location": "Raum 314 (Haus 7)", "location_slug": "Raum_314_Haus_7", "sequence": 29, "name": "Einf\u00fchrung in NumPy", "slug": "Einf\u00fchrung_in_NumPy", "authors": "Christian Geier, Henning Dickten", "description": "NumPy ist der Quasi-Standard f\u00fcr schnelles Arbeiten mit Arrays in Python. In diesem Tutorial sollen grundlegende Kenntnisse von Array-Erzeugung und deren Eigenschaften \u00fcber Array Operationen, bis hin zu Slicing und Broadcasting erlangt werden.\r\n\r\n## Installation\r\nVorrausgesetzt wird eine funktionierende NumPy Installation. Matplotlib ist zur Visualisierung n\u00fctzlich aber nicht notwendig. IPython inkl. Notebook erleichtert insbesondere das interaktive Erarbeiten der Tutorialinhalte; IPython ist ebenfalls nicht notwendig aber sehr empfohlen.\r\n\r\n### Beispiele f\u00fcr NumPy, IPython und matplotlib Installation\r\n\r\n#### OS X\r\n  * http://fonnesbeck.github.io/ScipySuperpack/\r\n\r\n#### Debian/Ubuntu\r\n  * aptitude install python-numpy\r\n  * aptitude install python-matplotlib\r\n  * aptitude install python-ipython (mit Ubuntu LTS besser \u00fcber 3rd Party installieren pip im virtualenv, Enthought Canopy etc.)\r\n\r\n#### Windows\r\n  * 32bit: http://sourceforge.net/projects/numpy/files/NumPy/  \r\n  * 64bit: http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy\r\n  * ipython: http://ipython.org/install.html\r\n  * matplotlib: http://matplotlib.org/users/installing.html#installing-on-windows\r\n\r\n#### FreeBSD\r\n  * portupgrade -N math/py-numpy\r\n  * portupgrade -N devel/ipython\r\n  * portupgrade -N math/py-matplotlib\r\n\r\n#### virtualenv\r\n  * pip install numpy\r\n  * pip install matplotlib\r\n  * pip install ipython\r\n\r\n## Numpy-Versionen: numpy 1.6\u20131.9\r\n\r\n**Grundlegende Python-Kenntnisse sind erforderlich.**\r\n\r\n## Gliederung: (insgesamt 180min):\r\n\r\n* Einf\u00fchrung NumPy\r\n* Arrays und deren Eigenschaften\r\n* Indizierung und Slicing\r\n* Ein- und Ausgabe\r\n* Reshaping\r\n* Grundlegende Array Operationen\r\n* Broadcasting / np.newaxis\r\n* Vektorisierung\r\n* Ein- und Ausgabe\r\n* Ung\u00fcltige Werte und maskierte Arrays\r\n* Weitere Optimierungen (Ausblick auf C-API, Cython, numba)\r\n* Wenn Zeit: Views und Kopien; strided\\_as\r\n\r\n## NICHT eingegangen wird auf:\r\n* NumPys F\u00e4higkeiten im Bereich der lineare Algebra", "start": "2013-10-14T09:00:00", "duration": "00:210.0:00", "released": true, "license": "", "tags": "numerische berechnungen, array, numpy", "conf_key": "session:62", "conf_url": "https://2013.de.pycon.org/schedule/sessions/62/", "host_url": null, "public_url": null, "rax_mp4_url": null, "archive_url": null, "archive_mp4_url": "", "twitter_url": null, "comment": "", "start_at": "08:55 14.10.2013"}]