python - les bases du langage réunion comics 18 novembre 2011

Python - Les bases du langage

Réunion COMICS

18 novembre 2011

Plan

Présentation de Python Les types et les opérations de base Les structures de contrôle Les fonctions Les fichiers Les classes Les exceptions Les modules Ressources

Présentation de Python

Développé en 1989 par Guido van Rossum Open source Portable (Windows, linux Mac OS) Orienté objet Dynamique Extensible Support pour l'intégration d'autre langage

Il existe 2 technique pour effectuer la traduction en langage machine mon code source:

Interprétation: inconvénient lent!!!

Compilation: Rapide, inconvénient compilation




Et Python ???

Avantages: Interpréteur permettant de tester n'importe quel petit bout

de code Compilation transparente

Inconvénients: Peut être lent


Les versions de Python Il existe 2 version de Python: 2.7 et 3.1 La version 3.x n'est pas une simple amélioration ou

extension de 2.7 Portage pas totalement fini de 3.1

L'Interpréteur 2 choix entre python ou Ipython

Quelques options -c: execute la commande python entrée après -i passe en mode intéractif apres avoir exécuté un script ou une

commande -d: passe en mode debug


Que peut-on faire avec Python? Web

Django,Zope,Plone,... Bases de données

MySQL,PostgrSQL,Oracle,... Gui

Gtk+,Qt, Tcl/Tk, WxWidgets Représentation graphique

gnuplot,matplotlib,VTK Calcul scientifique

numpy, scipy, sage,... …....


Pourquoi Python pour le calcul Peut être appris en quelques jours Permet de faire des tests rapides Alternative à Matlab, Octave, Scilab Parallélisation Multiplateforme Facilement interfaçable avec des librairies(Fortran,

C/C++) de calcul scientifique

Les types et les opérations de base

Les types: Entiers(32 bits) Entiers longs Réels (64 bits) Complexe: 3+4j, ou 3+5J Booléens ( True, False)

Les types et les opérations de base Opérations de base

Affectation: >>> i=3 # i vaut 3 >>>a, pi=True, 3.14159 >>>k=r=2.15

Affichage dans l'interpréteur >>> i 3 >>> print i 3

Les types et opérations de base

Opérations de base Opérateurs +,-,*,/,%,// Puissance **,pow,abs Comparaison: ==, is, !=, is not, >,<,>=,<= Opérateurs bitwise: &,|,<<,>> Opérateurs logique: or,and, not

Aparté

En Python tout est objet dir permet d'avoir les objets et méthodes disponibles

eval evaluer les chaînes de caractères help permet d avoir une aide type connaître le type de l'objet id l'adresse d'un objet eval evaluer une chaîne de caractère input et raw_input équivalent du scenf en C

Aparté

Ecriture d'un script python (test.py)

#!/usr/bin/env python

# -*- coding: utf-8 -*-

a=2

a

print type(a),a

Exécution python test.py <type,'int'> 2


Les listes Initialisation [ ],list(),[1, 2,3,4],['point','triangle',6],

range(10),range(2,10,2) Concaténation

In [18]: sept_zeros=[0]*7;sept_zeros Out[18]: [0, 0, 0, 0, 0, 0, 0] In [20]: L1,L2=[1,2,3],[4,5] In [21]: L1+L2 Out[21]: [1, 2, 3, 4, 5]

Une liste est une séquence comme pour une chaîne de caractère


ATTENTION !!!!! In [22]: L=['Dans','python','tout','est','objet']

In [23]: T=L

In [24]: T[4] ='bon'

In [25]: T

Out[25]: ['Dans', 'python', 'tout', 'est', 'bon']

In [26]: L


In [27]: L=T[:]

In [28]: L[4]='objet'

In [29]: T;L


Out[29]: ['Dans', 'python', 'tout', 'est', 'objet']


Une liste à ses propres méthodes help(list) len(L) : taille de la liste L.sort() : trier la liste L.append() ajout element en fin de,liste L.reverse(): inversion de la liste L.index() recher elt dans L L.remove(): retirer element L.pop() ajout en fin de liste

Les types et les opérations de base Les tuples

Initialisation: (),tuple(),(1,) 'a','b','c', ('a','b','c')

Concaténation >>>(1,2)*3 >>> (1,2,1,2,1,2) In [1]: t1,t2=(1,2,3),(4,5) In [2]: t1+t2 Out[2]: (1, 2, 3, 4, 5)

Un tuple est aussi une séquence.


Opération sur un tuple Un tuple n'est pas modifiable In [3]: t='a','b','c','d'

In [4]: t[0]='alpha'

TypeError Traceback (most recent call last)

TypeError: 'tuple' object does not support item assignment

In [6]: t=('alpha',)+t[1:]

In [7]: t

Out[7]: ('alpha', 'b', 'c', 'd')

Mais un objet modifiable dans un tuple peut l'êtret

In[8]: t=(1,2,[3,4],6)

In[9]:t[2][0]=1;t

Out[9]: (1,2,[1,4],6)

Les types ete les opérations de base

Les dictionnaires: Initialisation {}, dict(), {'point':1,'ligne':2} Un dictionnaire est constitué de clés et de valeurs Pas de concaténation possible Ajout d une clé ou modif d'une valeur

>>> dic['triangle']=3 >>> dic {'ligne': 2, 'triangle': 3, 'point': 1} >>> dic['point']=3 >>> dic {'ligne': 2, 'triangle': 3, 'point': 3}

Les types et ls opérations de base

Dictionnaire a ses propres méthodes: len(dic) taille du dictionnaire Dico.keys renvoie les clés Dic.value renvoie les valuers Dic.has_key renvoie True si clé presente Dic.get donne valeur de la clé si elle existe

sinon une valeur par défaut

Les structures de contrôle

Indentation générale

Structure de contrôle Structure if then

Structure while While <test1>:

<bloc instruction>

if <test1>: break

if <test2> : continue

Else:

<bloc instruction>

a=10.if a>0: print ' est positif' if a>=10: print'a est un nombre' else: print ' a est un chiffre' a+=1elif a is not 0: print 'a est negatifelse: print'a est nul'

Structure de contrôle

For <cible> in <objet>:

<bloc instruction>

if <test1>: break

if <test2> : continue

else:

<bloc instruction>

sum =0for i in [1,2,3,4]: sum+=i

prod=1for p in range(1,10): prod*= p

s='bonnjour'for c in s: print c

Les fonctions

Syntaxe:

def <nom_fonction>( arg1,arg2,.....):

<bloc instruction>return valeur

Exemple:def table(base):

N=1while n<11:

print n*base,N+=1

return n

Les fichiers

f=open(filename, mode='r', bufsize=-1) 'r' le fichier qui doit déja exister ouvert en lecture 'w' en ecriture seule si il existe déjà il est écrsé et

créé sinon 'b' ouvre un fichier binaire Option '+' ouvre en lectuere et écriture 'a' en écriture son contenu est conservé Les méthode:close(),read() et renvoie sous forme de

chaîne, readline() lit une ligne du fichier, readlines(), write(s) ecrit la chaine s, writelines(lst)

Les classes Syntaxe:

classe <nom_classe>(superclass,....):donnee=valeur

def methode(self,....):

self.membre=valeur

Exemple classe vecteur:

class vecteur:def __init__(self, x, y, z = 0):

self.coords = [x, y, z]def __str__(self):

s = ''for c in self.coords:

s += '( ' + str(c) + ' )\n'return s

def __add__(self, v):return vecteur(self.coords[0] +

v.coords[0],self.coords[1] + v.coords[1],self.coords[2] + v.coords[2])

>>> v1 = vecteur(1, 2)>>> v2 = vecteur(4.1, 3.4, 1.)>>> v3 = v1 + v2>>> print v3( 5.1 )( 5.4 )( 1.0 )

Les classes

NumPy

▶Le module incontournable▬ Heritier de Numeric et numarray▬ Classes de base pour SciPy

▶Installation▬ Module Python standard▬ Optimisation plateforme: blas, lapack...

▶Utilisation▬ Traitement Python des tableaux pour calcul numerique◆ Nombreuses fonctions de manipulation◆ Bibliothèque mathématique importante▬ Support pour vos propres bibliotheques◆ Interface Python pur◆ API pour encapsulation de codes Fortran, C/C++

Le tableau NumPy

▶ndarray▬ L'objet Tableau◾ Collection indexable et contigue en mémoire d‘éléments de même type◾ Implémentation avec un vrai tableau en mémoire optimise pour les performances◾ Manipulation similaire a tout autre objet Python

◾ ▬ Multi-dimensionnel, tous types de données◾ Les dimensions et parcours sont modifiables, les indexations souples◾ Optimisations internes pour les 1D, 2D et 3D

◾ ▬ Interfaçable avec les codes, en particulier Fortran◾ Permet l'encapsulation de codes fortran◾ Gestion possible des interfacages multiples Fortran/C/C++

Appel au module >>> import numpy

Creation – 1

▶La création d'un tableau définit...▬ Son contenu◾ Par exemple sous forme d'une liste de valeurs

a=array([1,3,5,7,9,11,13,17])▬ Ses dimensions◾ Une liste: dimension 1, une liste de listes: dimension 2, une liste de listes de listes: dimension 3...

a=array([0.1, 0.0, 0.2])b=array([[1,2,3],[4,5,6]])

▬ Son type d'element◾ Un entier Python est un long, un reel est un double◾ Il est necessaire de preciser si les valeurs en arguments ne sont pas les types Python

a=array([0.1, 0.0, 0.2],dtype='f')b=array([[1,2,3],[4,5,6]],dtype='i')

Creation – 2

▶Diverses methodes de creation

>>> a=arange(10)array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> a=zeros((2,4),dtype='f')array([[ 0., 0., 0., 0.],[ 0., 0., 0., 0.]], dtype=float32)>>> a=ones((3,5))*nanarray([[ nan, nan, nan, nan, nan],[ nan, nan, nan, nan, nan],[ nan, nan, nan, nan, nan]])>>> a=identity(3)array([[ 1., 0., 0.],[ 0., 1., 0.],[ 0., 0., 1.]])>>> a=mat([[1,0],[0,1]])matrix([[1, 0],[0, 1]])

Creation – 3

▬ Fonction des indices>>> def initfunction(i,j):... return 100+10*i+j

>>> c=fromfunction(initfunction,(5,3))array([[ 100., 101., 102.],[ 110., 111., 112.],[ 120., 121., 122.],[ 130., 131., 132.],[ 140., 141., 142.]])

▬ A partir d'un fichier>>> import numpy>>> a=numpy.ones((3,5,7))>>> numpy.save("data.npy",a)>>> b=numpy.load("data.npy")

Attributs – 1

▶flat▬ Vue 1D d'un tableau◆ Pas de modification du tableau◆ Iterateur>>> a=indices((2,5))>>> aarray([[[0, 0, 0, 0, 0],[1, 1, 1, 1, 1]],[[0, 1, 2, 3, 4],[0, 1, 2, 3, 4]]])>>> a.flat<numpy.flatiter object at 0xc9db80>>>> a.flat[0]0>>> a.flat[:]array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 2, 3, 4, 0, 1, 2, 3, 4])>>>

Attributs – 2

▶shape▬ Tuple des dimensions d'un tableau

Attribut accessible en lecture et en ecriture>>> a=ones((3,5,7))>>> a.shape(3,5,7)>>> a.shape=(21,5)>>> shape(a)(21,5)

▬ Le nombre d'elements doit rester inchangelen(a.flat) = Constante▬ La methode reshape permet aussi de changer le shape>>> a=arange(105).reshape((3,5,7))

Attributs – 3

▶Fortran▬ Type d'implantation memoire◆ C (par defaut) line major, Boucle en i,j,k◆ Fortran column major, Boucle en k,j,i▬ Pas d'impact sur le shape>>> a=ones((2,3,4),order='Fortran')>>> isfortran(a)True

▶OwnData▬ Python est proprietaire de la zone memoire>>> a.flags.owndataTrue

Indexation – 1

▶Un element dans le tableau▬ Syntaxe similaire aux sequences>>> a=arange(24).reshape(2,3,4)>>> a[0][2][1]9>>> a[0][0:1]array([[0, 1, 2, 3],[4, 5, 6, 7]])

▬ Syntaxe avec implementation optimisee pour l'acces>>> a[0,2,1]9>>> a[0,0:1]array([[0, 1, 2, 3],[4, 5, 6, 7]])

▬ La syntaxe fonctionne pour la la reference et l'assignation>>> b=a[0:2]>>> a[0:2]=9

▬ Prendre un axe complet>>> a=arange(24).reshape(2,3,2,2)>>> a.tolist()[[[[0, 1], [2, 3]], [[4, 5], [6, 7]], [[8, 9], [10, 11]]], [[[12, 13],[14, 15]], [[16, 17], [18, 19]], [[20, 21], [22, 23]]]]>>> a[0,:,:,0]array([[ 0, 2],[ 4, 6],[ 8, 10]])>>> a[0,...,0]

Indexation - 2

▶Ajout du step▬ [<start>:<stop>:<step>]>>> a=arange(24).reshape(2,6,2)>>> aarray([[[ 0, 1],[ 2, 3],[ 4, 5],[ 6, 7],[ 8, 9],[10, 11]],[[12, 13],[14, 15],[16, 17],[18, 19],[20, 21],[22, 23]]])

>>> a[0]array([[ 0, 1],[ 2, 3],[ 4, 5],[ 6, 7],[ 8, 9],[10, 11]])>>> a[0,::2]array([[0, 1],[4, 5],[8, 9]])>>> a[0,::2,:1]array([[0],[4],[8]])

Indexation - 3

▶Universal functions ▬ Opere sur un tableau element par element ◾ add(a,b) avec a et b ndarrays est plus performant qu'une boucle

▬ Vectorisable ◾ Une fonction prend des vecteurs en entree et produit un vecteur en

sortie ◾ L'utilisateur peut utiliser l'API pour creer ses propres ufuncs

▬ Broadcasting ◾ Il est parfois necessaire de faire des adaptations pour que les vecteurs

en entree aient la meme taille ◾ a=array([1,2,3,4,5])*2 ◾ Provoque le broadcasting b=array([2,2,2,2,2])

▬ Syntaxe compacte ◾ Pas de boucles ◾ Parfois difficile a lire

>>> x=arange(10)>>> x[(x**39*x**2+23*x15)==0]array([1, 3, 5])

Ufuncs - 1

Ufuncs – 2sin() Trigonometric sine, element-wise.cos() Cosine elementwise.tan() Compute tangent element-wise.arcsin() Inverse sine, element-wise.arccos() Trigonometric inverse cosine, element-wise.arctan() Trigonometric inverse tangent, elementwise.add(x1) Add arguments element-wise.subtract(x1) Subtract arguments, element-wise.multiply(x1) Multiply arguments element-wise.divide(x1) Divide arguments element-wise.logaddexp(x1) Logarithm of the sum of exponentiations of the inputs.logaddexp2(x1) Logarithm of the sum of exponentiations of the inputs in base-2.true_divide(x1) Returns a true division of the inputs, element-wise.floor_divide(x1) Return the largest integer smaller or equal to the division of theinputs.negative() Returns an array with the negative of each element of the originalarray.power(x1) First array elements raised to powers from second array, element-wise.remainder(x1) Return element-wise remainder of division.mod(x1) Return element-wise remainder of division.fmod(x1) Return the element-wise remainder of division.absolute() Calculate the absolute value element-wise.rint() Round elements of the array to the nearest integer.sign() Returns an element-wise indication of the sign of a number.conj() Return the complex conjugate, element-wise.exp() Calculate the exponential of all elements in the input array.exp2() Calculate 2**p for all p in the input array.log() Natural logarithm, element-wise.log2() Base-2 logarithm of x.log10() Return the base 10 logarithm of the input array, element-wise.expm1() Calculate exp(x) - 1 for all elements in the array.log1p() Return the natural logarithm of one plus the input array, element-wise.sqrt() Return the positive square-root of an array, element-wise.square() Return the element-wise square of the input.reciprocal() Return the reciprocal of the argument, element-wise.

ones_like() Returns an array of ones ……………………………………………..

F2py

f2py nécessite l’installation de Numpy et trois méthodes pourcréer une interface sont proposées :• Interfacer des subroutines simples sans écrire de codesupplémentaire.• Ajouter des directives pour f2py dans le source Fortranpour un interfaçage plus complexe.• Écrire un fichier d’interface décrivant les subroutines etles données à interfacer. f2py génère automatiquementun fichier d’interface simple qu’on peut ensuite éditer etmodifier.

Exemple de subroutine simple

Calcul de la norme.

Fortran 90/95 format libresubroutine norme (a, b, c)

real(8), intent(in) :: a, breal(8), intent(out) :: cc= sqrt (a*a+b*b)

end subroutine norme

Fortran 77 format fixesubroutine norme (a, b, c)real*8 a,b,cCf2py intent(out) cc=sqrt (a*a+b*b)end

Compilation et exécution

• Génération de l’interface Python avec f2py

f2py -c norme.f90 -m vect --fcompiler=gnu95 --f90flags=-O3

• Appel depuis un shell Python>>> import vect>>> vect.norme(3,4)5.0>>> c = vect.norme(3,4)>>> c5.0

• Documentation générée automatiquement par f2py>>> print vect.norme.__doc__norme - Function signature :c = norme(a,b)Required arguments :a : input floatb : input floatReturn objects :c : float

Ajout de directive f2py dans le source Fortran

Ces ajouts dans le code source fortran permettent préciser lerôle et la définition des variables d’entrés-sorties. Sontutilisés :• Les attributs du F90 : intent(in), dimension(2,3).

• Les attributs spécifiques : !f2py intent(hide), depend(a).subroutine norme(a,c,n)integer :: nreal(8),dimension(n),intent(in) :: a!f2py optional , depend(a) :: n=len(a)real(8),intent(out) :: creal(8) :: sommecinteger :: isommec = 0do i=1,nsommec=sommec+a( i )*a( i )end doc=sqrt (sommec)end subroutine norme

Liste Python ou tableau numpy en argument>>> from vect import *>>> a=[2,3,4] #Une liste Python>>> type(a)<type 'list'>>>> norme(a)5.3851648071345037>>> from numpy import *>>> a=arange(2,5) # Un tableau numpy>>> type(a)<type 'numpy.ndarray'>>>> norme(a)5.3851648071345037>>> print norme.__doc__ # Documentationnorme - Function signature :c = norme(a,[n])Required arguments :a : input rank-1 array('d') with bounds (n)Optional arguments :n := len(a) input intReturn objects :c : float

Utilisation d’un fichier signature

• On peut générer automatiquement un fichier signaturef2py vecteur.f90 -h vecteur.pyf• Contenu de vecteur.pyf! -*- f90 -*-! Note: the context of this file is case sensitive.subroutine norme(a,c,n) ! in norme.f90real(kind=8) dimension(n),intent(in) :: areal(kind=8) intent(out) :: cinteger optional,check(len(a)>=n),depend(a) :: n=len(a)end subroutine norme! This file was auto-generated with f2py (version:2).! See http://cens.ioc.ee/projects/f2py2e/

Les tableaux multi dimensionnels

subroutine move( positions, vitesses, dt, n)integer, intent(in) :: nreal(8), intent(in) :: dtreal(8), dimension(n,3), intent(in) :: vitessesreal(8), dimension(n,3) :: positionsdo i = 1, npositions(i,:) = positions(i,:) + dt*vitesses(i,:)end doend subroutine move>>> print vitesses[[0, 1, 2], [0, 3, 2], [0, 1, 3]]>>> print positions[[0, 0, 0], [0, 0, 0], [0, 0, 0]]>>> move(positions, vitesses, 0.1)>>> print positions #le tableau n'est pas mis a jour, stockage C[[0, 0, 0], [0, 0, 0], [0, 0, 0]]>>> positions = numpy.array(positions, dtype='f8', order='F')>>> move(positions, vitesses, 0.1)>>> print positions #le tableau est modifie, stockage Fortran[[ 0. 0.1 0.2][ 0. 0.3 0.2][ 0. 0.1 0.3]]

python - les bases du langage réunion comics 18 novembre 2011

Documents