Python Workshop

av Peder Bergebakken Sundt og Torje Hoås Digernes

Programvareverkstedets

Plan

  • Om scipy
    • Matplotlib
    • Pandas
    • Numpy
    • Ipython
  • Linalg
  • Distributive funksjoner
  • Eksempel
    • Dekomponering
    • Diagonalisering og transisjonsmatriser
  • Enkelt plott
  • Merkelapper
  • Plot-titler

Intro

Matplotlib

Numpy

Least squares i numpy

En funksjon for ditt formål

Klarte ikke lage en egnet oppg :(

  • Lesing fra csv/excel
  • Dataframes
  • Pulsdata

Pandas

Om scipy

Paraplyprosjekt for flere

  • Matplotlib
  • Numpy
  • Pandas
  • IPyhton
  • Sympy

Matplotlib

  • Grafer og plot
  • Visualisering

Numpy

  • Numerikk i python
  • Distributive mattefunksjoner
import numpy
import numpy.linalg as linalg
A = numpy.reshape(numpy.array([1,2,-1,3]),(2,2))
e,v = linalg.eig(A)
vi = linalg.inv(v)
print(vi)
A2 = numpy.matmul(numpy.matmul(v,numpy.diag(e)),vi)
print(numpy.round(A2,10))

Pandas

  • Leser data for deg
  • Dataframes
import pandas
import matplotlib.pyplot as plt

data_frame = pandas.read_csv("Torje_pulsdata.csv",header=2)
print( data_frame[0:-1][0:5] )
data_frame = data_frame.drop(labels=["Stride length (m)","Cadence","Altitude (m)","Power (W)", "Temperatures (C)","Unnamed: 11"], axis=1)
print( data_frame[0:-1][0:5] )
#print(pandas.to_datetime(data_frame["Time"]))
data_frame["Time"]= pandas.to_datetime(data_frame["Time"])


plt.plot(data_frame["Time"], data_frame[["HR (bpm)","Speed (km/h)"]])
plt.show()

IPython

  • Et python-skall for utforskning

De andre pakkene kan være nyttige

  • Scipy - numeriske metoder for optimalisering og signalbehandling. 
  • Sympy - symbolsk matematikk, høres nyttig ut, men jeg kan ikke hjelpe noe særlig. 

Installere

Om dere lastet ned fra python.org

pip3.exe install matplotlib

 

Om dere installerte via anaconda, så skal visst dette være installert for dere

(Windows)

Installere

Om dere lastet ned fra python.org

pip3 install numpy matplotlib scipy pandas

 

Om dere installerte via anaconda, så skal visst dette være installert for dere

MacOs

pip3 installasjon

Matplotlib

Virker det? 

import matplotlib.pyplot as plt
from math import pi, sin
xs = [ i*0.01 for i in range( 0 , 2*314 )]
ys = [ sin(x) for x in xs ]
plt.plot(xs,ys)
plt.show()

Prøv dette i IDLE (kopier innholdet i matplotlib_test.py) og lim inn

Matplotlib

Hva er delene?

import matplotlib.pyplot as plt
from math import pi, sin
xs = [ i*0.01 for i in range( 0 , 2*314 )]
ys = [ sin(x) for x in xs ]
plt.plot(xs,ys)
plt.show()

Matplotlib

Marger

Lagre

Matplotlib

Vi kan nå både lage og lagre et enkelt plot

Matplotlib

import matplotlib.pyplot as plt
from math import pi, sin
xs = [ i*0.01 for i in range( 0 , 2*314 )]
ys = [ sin(x) for x in xs ]
plt.plot(xs,ys)                  # Vi gir data som skal plottes
plt.show()                       # Først nå vises dataen

Et enkelt plot

Matplotlib

import matplotlib.pyplot as plt
from math import pi, sin
xs = [ i*0.01 for i in range( 0 , 2*314 )]
ys = [ sin(x) for x in xs ]
plt.plot(xs,ys)
plt.savefig("sinus.png")

Dette kan også gjøres programmatisk

pyplot.savefig(filnavn)

Matplotlib

Vi mangler noen elementer:

  • Figurtittel
  • Aksebeskrivlse
  • Legende

Matplotlib

import matplotlib.pyplot as plt
from math import pi, sin
xs = [ i*0.01 for i in range( 0 , 2*314 )]
ys = [ sin(x) for x in xs ]
plt.plot(xs,ys)                  # Vi gir data som skal plottes
plt.title("Enkelt plot")         # Figurtittel 
plt.xlabel("Tid [s]")            # x-aksens tittel
plt.ylabel("Bølgehøyde [m]")     # y-aksens tittel
plt.show()                       # Først nå vises dataen

Et enkelt plot

Matplotlib

import matplotlib.pyplot as plt 
from math import pi, sin
xs = [ i*0.01 for i in range( 0 , 2*314 )]
ys = [ sin(x) for x in xs ]
plt.plot(xs,ys,label="line 1" )                  # Vi gir data som skal plottes
plt.title("Enkelt plot")         # Figurtittel
plt.xlabel("Tid [s]")            # x-aksens tittel
plt.ylabel("Bølgehøyde [m] CO$_2 $")     # y-aksens tittel
plt.legend(loc = "lower right")
plt.show()                       # Først nå vises dataen

Et enkelt plot, med legende

Matplotlib

import matplotlib.pyplot as plt
from math import pi, sin
xs = [ i*0.01 for i in range( 0 , 2*314 )]
ys = [ sin(x) for x in xs ]
plt.plot(xs,ys)
plt.title("Utvikling av sinus")
plt.savefig("sinus.png")

Tittel er ganske greit. 

Matplotlib

import matplotlib.pyplot as plt
from math import pi, sin
xs = [ i*0.01 for i in range( 0 , 2*314 )]
ys = [ sin(x) for x in xs ]
plt.plot(xs,ys)
xs2 = [ i*0.1 for i in range( 0 , 2*32 )]
ys2 = [ -sin(x) for x in xs2 ]
plt.plot(xs2,ys2,"-+")
plt.show()

Matplotlib

linjeplot

Akser

Matplotlib

Liten oppgave:

 

Lag en funksjon som tar inn en tittel, data for x-aksen og y-aksen og lager et plot av det. 

 

 

Matplotlib

import matplotlib.pyplot as plt
def simplePlot( title, xdata, ydata):
     plt.plot(xdata,ydata)
     plt.title(title)
     plt.show()

simplePlot("Rare data", [1,2,3],[3,1,2])

Numpy

Eksempel for å sjekke om modulen virker

from numpy.fft import fft
from numpy import arange,sin,pi
sig = fft(sin(arange(0,2*pi,0.01)))

Numpy

  • Numerikk i python
  • Distributive funksjoner (virker på lister og lignende)
  • Lineær algebra
  • Dekomponering

Numpy

Distributive funksjoner

from math import sin,pi
xs = [ 0.01*i for i in range( 0, 314) ]
ys = [ sin(x) for x in xs ]
print(ys)
from numpy import sin, arange, pi
xs = arange(0,pi,0.01)
ys = sin(xs)
print(ys)

Vanlig Python

Med Numpy

Linalg

Finnes i to deler, den enkle finnes direkte i numpy.

 

numpy.matmul( a , b)

 

import numpy

a = [[1,2],[-1,3]]
b = [[1,2],[3,4]]
c = numpy.matmul(a,b)
print(c)

Dekomponering

Egenverdier

import numpy
import numpy.linalg as linalg
A = numpy.reshape(numpy.array([1,2,-1,3]),(2,2))
e,v = linalg.eig(A)
vi = linalg.inv(v)
print(vi)
A2 = numpy.matmul(numpy.matmul(v,numpy.diag(e)),vi)
print(numpy.round(A2,10))

Pandas

Formål

  • Lese og skrive data
    • Excel, csv, hdf samme interface
  • Alt leses inn til DataFrames

Pandas

Virker det? 

  • Du trenger nå en enkel csv-fil, 
import pandas
import os
from os.path import expanduser
home = expanduser("~")
os.chdir(home)
file = open("panda_test_pvv_kurs.csv","w")
file.write("navn,alder\n")
file.write("kari,29\n")
file.write("ola,28\n")
file.close()
doc = pandas.read_csv("panda_test_pvv_kurs.csv")
print(doc["navn"])

Pandas

  • de to øverste linjene er imports, men den andre er ikke veldig viktig
  • de tre neste linjene er for å bytte arbeidskatalog til hjemmemappen
  • så åpner vi og skriver til en csv-fil, (Comma Separated Values) og lukker filen
  • de to siste leser inn filen vi nettopp skrev, men nå som en Dataframe
import pandas
import os
from os.path import expanduser
home = expanduser("~")
os.chdir(home)
file = open("panda_test_pvv_kurs.csv","w")
file.write("navn,alder\n")
file.write("kari,29\n")
file.write("ola,28\n")
file.close()
doc = pandas.read_csv("panda_test_pvv_kurs.csv")
print(doc["navn"])

Pulsdata

import pandas as pd
import matplotlib.pyplot as plt

dataframe = pd.read_csv('Torje+Hos_Digernes_2018-04-04_15-35-03.csv', skiprows=2,parse_dates=['Time'])
plt.plot(dataframe["Time"],dataframe[["HR (bpm)"]])
axes2 = plt.twinx()
axes2.plot(dataframe["Time"],dataframe[["Speed (km/h)"]], color="red")
plt.show()

Legend outside the plot

This solution works for 4 labels, if the labels are short enough. 

 

It gets a bit more complicated for more labels, as we need to rescale the axes to fit. 

import matplotlib.pyplot as plt
import numpy as np

xs = np.arange(0, 2 * np.pi, 0.01)
ys1 = np.sin(xs)
ys2 = np.cos(xs)
plt.plot(xs, ys1, label="sine")
plt.plot(xs, ys2, label="cosine")
plt.legend(loc="lower left",
    mode="expand",ncol=2,
    bbox_to_anchor=(0.0,1.0,1.0,1.0))
plt.show()

We should probably use the more complex solution always, as this puts it outside the borders we started with. 

Legend outside the plot

import matplotlib.pyplot as plt
import numpy as np

xs = np.arange(0, 2 * np.pi, 0.01)
ys1 = np.sin(xs)
ys2 = np.cos(xs)
plt.plot(xs, ys1, label="sine")
plt.plot(xs, ys2, label="cosine")
plt.legend(loc="lower left",
    mode="expand",ncol=2,
    bbox_to_anchor=(0.0,1.0,1.0,1.0))
plt.show()

Python del 2: Scipy

By torjehoa

Source: pbsds

Python del 2: Scipy

  • 518