Numpy 运行在Heroku上的Scipy

阅读更多：Numpy 教程

引言

Scipy是集成了科学计算的Python软件包。它建立在NumPy之上，提供了一些针对线性代数、数值积分、傅里叶变换、信号和图像处理等任务的更高级操作。

Heroku是一种云平台即服务（PaaS），用于构建、部署、运行应用程序。它支持各种编程语言和框架，具有可扩展性和高度集成化的特点。

在本文中，我们将讨论如何在Heroku上运行带有Scipy的Python应用程序，并快速了解它的一些功能。

什么是Numpy和Scipy？

Numpy

NumPy是用于科学计算的Python库之一。它提供了带有Python的高效多维数组对象，以及用于操作这些数组的各种工具。使用NumPy，可以轻松地进行数学、科学和工程计算。

下面是一个用NumPy创建数组的示例：

import numpy as np

# create a 1D array
arr1d = np.array([1, 2, 3, 4, 5])

# create a 2D array
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

Scipy

Scipy是基于NumPy构建的Python库，用于解决各种科学和工程问题。它包含了许多模块，这些模块提供了各种功能，例如线性代数、数值积分、优化、信号和图像处理。

下面是一个使用Scipy求解线性方程组的示例：

import numpy as np
from scipy.linalg import solve

# A*x = b
A = np.array([[2, 1, 0], [1, 2, 1], [0, 1, 2]])
b = np.array([1, 2, 3])

x = solve(A, b)
print(x)

在Heroku上安装Numpy和Scipy

Heroku上的应用程序运行在容器中，称为dyno。每个dyno都是虚拟机，拥有自己的文件系统。这意味着要在Heroku上安装Numpy和Scipy，我们需要在应用程序部署之前安装它们。

下面是如何在Heroku上安装Numpy和Scipy的步骤：

创建一个Python应用程序，并在根目录下创建一个requirements.txt文件。

$ mkdir myapp && cd myapp
$ echo "python==3.8.3" >> requirements.txt

在requirements.txt文件中添加numpy和scipy依赖项。

$ echo "numpy==1.19.1" >> requirements.txt
$ echo "scipy==1.5.2" >> requirements.txt

部署应用程序到Heroku上。这将会自动构建并安装requirements.txt文件中列出的所有依赖项。

$ git init
$ git add .
$ git commit -m "Initial commit"
$ heroku apps:create myapp
$ git push heroku master

这样，Numpy和Scipy就被安装在了Heroku上。

使用Numpy和Scipy进行图像处理

使用Scipy进行图像处理是一件很容易的事情。Scipy提供了一些模块，可以用来加载、处理和存储图像。

下面是一个使用Scipy进行图像处理的示例：

from scipy import misc
from scipy import ndimage

# read image
img = misc.imread('lena.png')

# blur image
blurred = ndimage.gaussian_filter(img, sigma=3)

# save image
misc.imsave('lena_blurred.png', blurred)

在这个示例中，我们首先使用Scipy的misc模块读取一张名为“lena.png”的图像。然后，使用ndimage模块中的高斯滤波函数对图像进行模糊处理。最后，使用misc模块保存处理后的图像到“lena_blurred.png”文件中。

使用Numpy和Scipy进行数学计算

由于Numpy和Scipy专门用于科学计算，因此它们提供了许多工具和函数，可以帮助我们进行各种数学计算。下面是一个使用Numpy和Scipy进行数学计算的示例：

import numpy as np
from scipy import special

# generate 1D array
x = np.linspace(0, 10, 100)

# calculate sin(x) / x
y = np.sin(x) / x

# calculate Bessel function
b = special.jv(3, x)

在这个示例中，我们使用Numpy生成一个包含100个元素的等间隔的1D数组。然后，计算sin(x)/x作为y值，并且计算第三种Bessel函数的值作为b值。