Edition

IPython”中我们讨论了如何安装setuptools和pip。

操作步骤

https://github.com/scipy/scipy.git$

python

此函数重复一个数组这意味着在我们的用例中按一定的大小调整图像大小。

SciPymatplotlib

版本开始发生了一些重构因此如果您使用的是旧版本则正确的代码如下

lena

scipy.lena()使用numpy.testing包中的assert_equal()函数检查

Lena

np.testing.assert_equal((LENA_X,

LENA_Y),

此函数接受一个三位整数作为参数其中第一位是行数第二位是列数最后一位是子图的索引从

索引现在为

plt.show()以下屏幕截图显示了结果以及原始图像第一幅和调整大小后的图像第二幅

以下是本书代码包中resize_lena.py文件中该秘籍的完整代码

import

np.testing.assert_equal((LENA_X,

LENA_Y),

np.testing.assert_equal((yfactor

LENA_Y,

repeat()函数重复数组在这种情况下这会导致原始图像的大小改变。

subplot()

了解何时处理共享数组视图以及何时具有数组数据的副本这一点很重要。

这意味着如果您将切片分配给变量然后更改基础数组则此变量的值将更改。

Lena

以下是本教程的代码显示了本书代码包中copy_view.py文件中数组视图和副本的行为

import

plt.imshow(aview)plt.show()工作原理

Lena

这样就产生了三张蓝色如果您正在查看黑白图像则为空白图像-复制的数组不受影响。

NumPy

plt.imshow(lena[:lena.shape[0]/2,:lena.shape[1]/2])

Lena

数组中找到所有偶数的值对图像应用遮罩这对于演示目的来说是任意的。

复制数组并将偶数值更改为

这是本书代码包中flip_lena.py文件中此秘籍的完整代码

import

plt.imshow(lena[:lena.shape[0]/2,:lena.shape[1]/2])#

Apply

plt.imshow(masked_lena)plt.show()另见

章“使用

0。

这将沿着对角线绘制黑线并交叉这不是因为图像有问题而仅仅作为练习。

操作步骤

创建迭代器对象。

迭代器对象绑定到数组。

数组元素通过迭代器访问。

位置列表索引

使用numpy.random模块的shuffle()函数创建随机索引数组

def

np.arange(size)np.random.shuffle(arr)return

plt.imshow(lena[np.ix_(xindices,

yindices)])

np.arange(size)np.random.shuffle(arr)return

arrxindices

np.testing.assert_equal(len(xindices),

xmax)

np.testing.assert_equal(len(yindices),

ymax)#

plt.imshow(lena[np.ix_(xindices,

yindices)])

plt.imshow(lena1)在最大值的四分之一到四分之三之间选择数组值并将它们设置为0

lena2[(lena

这是本书代码包中boolean_indexing.py文件中该秘籍的完整代码

import

plt.imshow(lena2)plt.show()工作原理

“花式索引”

类具有strides字段它是一个元组指示通过数组时要在每个维中步进的字节数。

让我们对将数独谜题拆分为3

9]])ndarray的itemsize字段为我们提供了数组中的字节数。

给定itemsize请计算步幅

1])现在我们可以使用np.lib.stride_tricks模块的as_strided()函数将拼图分解成正方形

squares

np.lib.stride_tricks.as_strided(sudoku,

shapeshape,

print(squares)该代码打印单独的数独正方形如下所示

[[[[2

9]]]]以下是本书代码包中strides.py文件中此秘籍的完整源代码

import

np.lib.stride_tricks.as_strided(sudoku,

shapeshape,

scipy.io.wavfile.read(WAV_FILE)使用

matplotlib

newdata.astype(np.uint8)可以将新数组写入新的

WAV

scipy.io.wavfile.write(quiet.wav,sample_rate,

newdata)使用

plt.plot(newdata)plt.show()结果是原始

WAV

这是本书代码包中broadcasting.py文件中该秘籍的完整代码

import

urllib2.urlopen(http://www.***soundarchive.com/austinpowers/smashingbaby.wav)

WAV_FILE

filehandle.write(response.read())

filehandle.close()

scipy.io.wavfile.read(WAV_FILE)

print(Data

scipy.io.wavfile.write(quiet.wav,sample_rate,

newdata)#

scipy.io.read()函数scipy.io.write()函数在这个链接中解释了广播概念。