In [4]:
print "Stuff!!!"
Stuff!!!

In [5]:
x = 0
y = 3
d = x*x + y*y
print x, d
x = 4
print x, d
0 9
4 9

In [6]:
x = 2
X = 3
print x,X
2 3

In [7]:
%ls
ERROR: Line magic function `%ls` not found.

In [8]:
!ls
data  PythonDemo1.ipynb

In [9]:
!echo boo
boo

In [10]:
!ls data
inflammation-01.csv  inflammation-05.csv  inflammation-09.csv  small-01.csv
inflammation-02.csv  inflammation-06.csv  inflammation-10.csv  small-02.csv
inflammation-03.csv  inflammation-07.csv  inflammation-11.csv  small-03.csv
inflammation-04.csv  inflammation-08.csv  inflammation-12.csv

In [11]:
!head data/inflammation-01.csv
0,0,1,3,1,2,4,7,8,3,3,3,10,5,7,4,7,7,12,18,6,13,11,11,7,7,4,6,8,8,4,4,5,7,3,4,2,3,0,0
0,1,2,1,2,1,3,2,2,6,10,11,5,9,4,4,7,16,8,6,18,4,12,5,12,7,11,5,11,3,3,5,4,4,5,5,1,1,0,1
0,1,1,3,3,2,6,2,5,9,5,7,4,5,4,15,5,11,9,10,19,14,12,17,7,12,11,7,4,2,10,5,4,2,2,3,2,2,1,1
0,0,2,0,4,2,2,1,6,7,10,7,9,13,8,8,15,10,10,7,17,4,4,7,6,15,6,4,9,11,3,5,6,3,3,4,2,3,2,1
0,1,1,3,3,1,3,5,2,4,4,7,6,5,3,10,8,10,6,17,9,14,9,7,13,9,12,6,7,7,9,6,3,2,2,4,2,0,1,1
0,0,1,2,2,4,2,1,6,4,7,6,6,9,9,15,4,16,18,12,12,5,18,9,5,3,10,3,12,7,8,4,7,3,5,4,4,3,2,1
0,0,2,2,4,2,2,5,5,8,6,5,11,9,4,13,5,12,10,6,9,17,15,8,9,3,13,7,8,2,8,8,4,2,3,5,4,1,1,1
0,0,1,2,3,1,2,3,5,3,7,8,8,5,10,9,15,11,18,19,20,8,5,13,15,10,6,10,6,7,4,9,3,5,2,5,3,2,2,1
0,0,0,3,1,5,6,5,5,8,2,4,11,12,10,11,9,10,17,11,6,16,12,6,8,14,6,13,10,11,4,6,4,7,6,3,2,1,0,0
0,1,1,2,1,3,5,3,5,8,6,8,12,5,13,6,13,8,16,8,18,15,16,14,12,7,3,8,9,11,2,5,4,5,1,4,1,2,0,0

In [12]:
import numpy
In [13]:
numpy.loadtxt(fname='data/inflammation-01.csv')
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-13-cd8097131ac1> in <module>()
----> 1 numpy.loadtxt(fname='data/inflammation-01.csv')

/usr/local/lib/python2.7/dist-packages/numpy/lib/npyio.pyc in loadtxt(fname, dtype, comments, delimiter, converters, skiprows, usecols, unpack, ndmin)
    858 
    859             # Convert each value according to its column and store
--> 860             items = [conv(val) for (conv, val) in zip(converters, vals)]
    861             # Then pack it according to the dtype's nesting
    862             items = pack_items(items, packing)

ValueError: invalid literal for float(): 0,0,1,3,1,2,4,7,8,3,3,3,10,5,7,4,7,7,12,18,6,13,11,11,7,7,4,6,8,8,4,4,5,7,3,4,2,3,0,0
In [14]:
numpy.loadtxt(fname='data/inflammation-01.csv', delimiter=',')
Out[14]:
array([[ 0.,  0.,  1., ...,  3.,  0.,  0.],
       [ 0.,  1.,  2., ...,  1.,  0.,  1.],
       [ 0.,  1.,  1., ...,  2.,  1.,  1.],
       ..., 
       [ 0.,  1.,  1., ...,  1.,  1.,  1.],
       [ 0.,  0.,  0., ...,  0.,  2.,  0.],
       [ 0.,  0.,  1., ...,  1.,  1.,  0.]])
In [15]:
data = numpy.loadtxt(fname='data/inflammation-01.csv', delimiter=',')
In [16]:
data
Out[16]:
array([[ 0.,  0.,  1., ...,  3.,  0.,  0.],
       [ 0.,  1.,  2., ...,  1.,  0.,  1.],
       [ 0.,  1.,  1., ...,  2.,  1.,  1.],
       ..., 
       [ 0.,  1.,  1., ...,  1.,  1.,  1.],
       [ 0.,  0.,  0., ...,  0.,  2.,  0.],
       [ 0.,  0.,  1., ...,  1.,  1.,  0.]])
In [17]:
print data
[[ 0.  0.  1. ...,  3.  0.  0.]
 [ 0.  1.  2. ...,  1.  0.  1.]
 [ 0.  1.  1. ...,  2.  1.  1.]
 ..., 
 [ 0.  1.  1. ...,  1.  1.  1.]
 [ 0.  0.  0. ...,  0.  2.  0.]
 [ 0.  0.  1. ...,  1.  1.  0.]]

In [23]:
print data[0, 0]
print data[0, 2]
print data[1, 2]
print data[1][2]
0.0
1.0
2.0
2.0

In [22]:
print data[1]
[  0.   1.   2.   1.   2.   1.   3.   2.   2.   6.  10.  11.   5.   9.   4.
   4.   7.  16.   8.   6.  18.   4.  12.   5.  12.   7.  11.   5.  11.   3.
   3.   5.   4.   4.   5.   5.   1.   1.   0.   1.]

In [24]:
print data[1, :]
[  0.   1.   2.   1.   2.   1.   3.   2.   2.   6.  10.  11.   5.   9.   4.
   4.   7.  16.   8.   6.  18.   4.  12.   5.  12.   7.  11.   5.  11.   3.
   3.   5.   4.   4.   5.   5.   1.   1.   0.   1.]

In [26]:
print data[:, 1]
[ 0.  1.  1.  0.  1.  0.  0.  0.  0.  1.  1.  1.  0.  0.  1.  1.  0.  0.
  0.  1.  1.  0.  0.  1.  1.  0.  0.  0.  0.  0.  1.  0.  1.  0.  0.  0.
  1.  1.  1.  1.  0.  0.  1.  0.  1.  1.  0.  1.  0.  0.  1.  1.  0.  0.
  1.  0.  1.  1.  0.  0.]

In [27]:
print data.shape
(60, 40)

In [28]:
print data[30, 20]
13.0

In [29]:
print data[:, 3:5].shape
(60, 2)

In [30]:
print data[4:6, 1:10]
[[ 1.  1.  3.  3.  1.  3.  5.  2.  4.]
 [ 0.  1.  2.  2.  4.  2.  1.  6.  4.]]

In [31]:
number_of_rows = data.shape[0]
print number_of_rows
60

In [32]:
print data[number_of_rows - 1, 5:10]
[ 2.  5.  4.  8.  2.]

In [33]:
print data[-1, 5:10]
[ 2.  5.  4.  8.  2.]

In [35]:
data.diagonal()
Out[35]:
array([  0.,   1.,   1.,   0.,   3.,   4.,   2.,   3.,   5.,   8.,   5.,
         8.,   3.,   6.,  13.,  10.,  12.,   7.,  11.,  16.,  18.,  10.,
        13.,  13.,  10.,  11.,   3.,   4.,   4.,  11.,  10.,   6.,   5.,
         2.,   3.,   5.,   4.,   0.,   0.,   1.])
In [40]:
print data[:, 5:10].shape
print data[0:, 5:10].shape
print data[0:-1, 5:10].shape
print data[:-1, 5:10].shape
(60, 5)
(60, 5)
(59, 5)
(59, 5)

In [42]:
print data[0:3, 5:10]
print data[:3, 5:10]
[[ 2.  4.  7.  8.  3.]
 [ 1.  3.  2.  2.  6.]
 [ 2.  6.  2.  5.  9.]]
[[ 2.  4.  7.  8.  3.]
 [ 1.  3.  2.  2.  6.]
 [ 2.  6.  2.  5.  9.]]

In [47]:
print data[:3, 5:10:1]
print data[:3, 5:10:2]
[[ 2.  4.  7.  8.  3.]
 [ 1.  3.  2.  2.  6.]
 [ 2.  6.  2.  5.  9.]]
[[ 2.  7.  3.]
 [ 1.  2.  6.]
 [ 2.  2.  9.]]

In [48]:
numpy.sort( data[0] )
Out[48]:
array([  0.,   0.,   0.,   0.,   1.,   1.,   2.,   2.,   3.,   3.,   3.,
         3.,   3.,   3.,   4.,   4.,   4.,   4.,   4.,   4.,   5.,   5.,
         6.,   6.,   7.,   7.,   7.,   7.,   7.,   7.,   7.,   8.,   8.,
         8.,  10.,  11.,  11.,  12.,  13.,  18.])
In [49]:
data[0]
Out[49]:
array([  0.,   0.,   1.,   3.,   1.,   2.,   4.,   7.,   8.,   3.,   3.,
         3.,  10.,   5.,   7.,   4.,   7.,   7.,  12.,  18.,   6.,  13.,
        11.,  11.,   7.,   7.,   4.,   6.,   8.,   8.,   4.,   4.,   5.,
         7.,   3.,   4.,   2.,   3.,   0.,   0.])
In [50]:
data[0] = numpy.sort(data[0])
In [51]:
data[0]
Out[51]:
array([  0.,   0.,   0.,   0.,   1.,   1.,   2.,   2.,   3.,   3.,   3.,
         3.,   3.,   3.,   4.,   4.,   4.,   4.,   4.,   4.,   5.,   5.,
         6.,   6.,   7.,   7.,   7.,   7.,   7.,   7.,   7.,   8.,   8.,
         8.,  10.,  11.,  11.,  12.,  13.,  18.])
In [54]:
print data == 1
print (data == 1).shape
[[False False False ..., False False False]
 [False  True False ...,  True False  True]
 [False  True  True ..., False  True  True]
 ..., 
 [False  True  True ...,  True  True  True]
 [False False False ..., False False False]
 [False False  True ...,  True  True False]]
(60, 40)

In [55]:
data
Out[55]:
array([[  0.,   0.,   0., ...,  12.,  13.,  18.],
       [  0.,   1.,   2., ...,   1.,   0.,   1.],
       [  0.,   1.,   1., ...,   2.,   1.,   1.],
       ..., 
       [  0.,   1.,   1., ...,   1.,   1.,   1.],
       [  0.,   0.,   0., ...,   0.,   2.,   0.],
       [  0.,   0.,   1., ...,   1.,   1.,   0.]])
In [56]:
numpy.sum( data == 1 )
Out[56]:
225
In [58]:
is_one = (data == 1)
print numpy.sum(is_one)
print is_one.sum()
225
225

In [59]:
print numpy.transpose(data).shape
(40, 60)

In [63]:
print data.sum()
print data.mean()
print data.min()
print data.max()
14757.0
6.14875
0.0
20.0

In [68]:
print data
[[  0.   0.   0. ...,  12.  13.  18.]
 [  0.   1.   2. ...,   1.   0.   1.]
 [  0.   1.   1. ...,   2.   1.   1.]
 ..., 
 [  0.   1.   1. ...,   1.   1.   1.]
 [  0.   0.   0. ...,   0.   2.   0.]
 [  0.   0.   1. ...,   1.   1.   0.]]

In [71]:
print data.max(axis=1)
print data.max(axis=1).shape
[ 18.  18.  19.  17.  17.  18.  17.  20.  17.  18.  18.  18.  17.  16.  17.
  18.  19.  19.  17.  19.  19.  16.  17.  15.  17.  17.  18.  17.  20.  17.
  16.  19.  15.  15.  19.  17.  16.  17.  19.  16.  18.  19.  16.  19.  18.
  16.  19.  15.  16.  18.  14.  20.  17.  15.  17.  16.  17.  19.  18.  18.]
(60,)

In [72]:
print data.mean(axis=0)
[  0.           0.45         1.1          1.7          2.43333333
   3.13333333   3.76666667   3.8          5.15         5.51666667   5.95
   5.9          8.23333333   7.7          8.31666667   9.5          9.53333333
  10.58333333  11.43333333  12.11666667  13.23333333  11.83333333  10.95
  10.08333333  10.           8.66666667   9.2          7.26666667
   7.31666667   6.56666667   6.11666667   6.01666667   5.16666667
   3.61666667   3.41666667   3.68333333   2.63333333   1.65         1.35
   0.86666667]

In [107]:
%matplotlib inline
import matplotlib.pyplot
image = matplotlib.pyplot.imshow(data, interpolation='nearest')
matplotlib.pyplot.show(image)
In [75]:
import matplotlib.pyplot as plt
import numpy as np
In [77]:
avg_inflammation = data.mean(axis=0)
print avg_inflammation.shape
avg_plot = plt.plot(avg_inflammation)
plt.show(avg_plot)
(40,)

In [83]:
min_plot = plt.plot(data.min(axis=0))
plt.show(min_plot)
In [85]:
element = "hello"
print "|||"+element[3:3]+"|||"
||||||

In [88]:
data[3:3, 4:4]
Out[88]:
array([], shape=(0, 0), dtype=float64)
In [89]:
data[3:3, :]
Out[89]:
array([], shape=(0, 40), dtype=float64)
In [104]:
np.unravel_index(np.argmax(data), data.shape)
Out[104]:
(7, 20)
In []: