Prontuario di Python per il laboratorio di calcolo

Introduzione

Python è un linguaggio di programmazione interpretato. Significa che il codice sorgente che scriviamo viene
passato ad un altro programma, detto interprete, che lo esegue.
In generale, Python è un linguaggio di più alto livello rispetto a C. Il concetto di “linguaggio di programmazione
di alto livello” non è rigoroso, ed ha senso solo in un contesto relativo: dire che il linguaggio X è di livello più
alto rispetto a Y significa che con X è più difficile (o, in alcuni casi, impossibile) interagire con le primitive
del sistema operativo e/o dell’hardware rispetto ad Y. Nel caso specifico di Python vs. C, le due principali
differenze (per quanto concerne questo corso) sono:
1. In Python non esistono i puntatori (cioè variabili che contengono indirizzi di memoria, li vedremo
meglio alla fine del corso)
2. La memoria in cui risiedono le variabili che utilizziamo è gestita (managed) direttamente da Python (in
maniera cosiddetta trasparente). Non esiste quindi una distinzione tra stack e heap, né funzioni per
allocare/deallocare dinamicamente la memoria (cioè funzioni equivalenti a malloc e free in C).
Nel corso utilizzeremo Python principalmente come uno strumento per creare grafici (più o meno interattivi)
e per semplici analisi dati.

Eseguire un programma scritto in Python

I programmi scritti in Python (spesso definiti script) devono essere passati ad un interprete per essere eseguiti.
Sui sistemi che utilizzate questo si riduce a passare lo script come primo argomento del programma python3.
Ad esempio, se il nostro script si chiama [Link], per lanciarlo dovremo eseguire il seguente programma:
$ python3 [Link]

L’importanza di indentare correttamente

Sarete sorpresi di scoprire che i codici Python non possono essere indentati come vi pare. In Python, infatti,
il cosiddetto whitespace (spazi e tablature) è parte integrante del codice. In Python, infatti, i blocchi di
codice (che in C sono delimitati dalle parentesi graffe) devono essere indentati (cioè spostati in avanti tramite
l’inserimento di una certa quantità di spazi o tablature). In effetti, non basta che istruzioni appartenenti allo
stesso blocco siano indentate, ma devono anche essere indentate allo stesso modo, cioè con la stessa quantità
di whitespace: se utilizzate due spazi per la prima riga, dovrete usare due spazi anche per le seguenti.
Ecco un esempio in C:
int a = 1;
if(a == 1) {
printf("a è diverso da zero!\n");
a = 0;
}
Che in Python diventa:
a = 1
if a == 1:
print("a è diverso da zero!")
a = 0
Mentre l’indentazione in C è opzionale (ma raccomandata: migliora la leggibilità del codice), in Python è
obbligatoria: provate a toglierla e vedrete che l’interprete se ne lamenterà!

1
Nella maggior parte degli script che vedremo nelle esercitazioni non ci sono blocchi di codice oltre a quello
principale, e quindi non avremo la necessità di indentare alcunché (con alcune eccezioni).

Il comando import

All’inizio di quasi ogni script Python si trovano alcune linee del tipo
import os, sys
import numpy as np
Il comando import serve per importare delle librerie nel nostro script in modo da poterle utilizzare. Se
vogliamo importare più librerie è sufficiente scrivere i nomi di tutte le librerie uno dopo l’altro, separandoli
con delle virgole.
In generale, tutto ciò che è contenuto in una libreria (funzioni, variabili o classi, di cui parleremo più avanti nel
corso) può essere utilizzato subito dopo che questa è stata importata utilizzando la sintassi [Link],
dove mylib è la libreria importata e mystuff il nome dell’oggetto cui si vuole accedere. Ad esempio, dopo
la prima riga dell’esempio sopra è possibile accedere alla versione di Python che stiamo utilizzando con il
comando sys.version_info.
Alcune volte, soprattutto nel caso di librerie a cui si accede spesso, può far comodo importare una libreria
dandole un altro nome. Per far ciò si utilizza la particella as. Nell’esempio sopra si accederà alle funzionalità
della libreria numpyutilizzando l’alias np (ad esempio, [Link](100) invece di [Link](100)).

Algebra lineare (e non solo): la libreria numpy

La libreria numpy (solitamente importata con l’alias np) permette di leggere, manipolare e stampare facilmente
vettori, matrici e, più in generale, tensori di qualunque ordine. Nonostante non faccia parte della libreria
standard di Python, numpy è de facto lo standard per lavorare con oggetti di questo tipo.

Gli array di numpy

Cominciamo con un nota bene: gli oggetti base di numpy si chiamano array ma sono, in generale, diversi
dagli array che imparerete ad usare in C. Non confondete i due concetti!
In numpy un array può essere visualizzato come una griglia (in generale multidimensionale) di valori. Se
definiamo d la dimensione dell’array, allora per d = 1 si ha un vettore, per d = 2 una matrice e così via.
Nel corso utilizzeremo più che altro array unidimensionali (cioè con d = 1), che chiameremo vettori. Una
volta inizializzato un vettore x, si può accedere al suo elemento i-esimo con la sintassi x[i]. Ad esempio,
possiamo modificare il valore del primo elemento utilizzando il comando x[0] = 1 (ricordatevi che tutti gli
indici partono da 0!). Diversamente dal C, potete anche utilizzare indici negativi per accedere agli array:
x[-1] indica l’ultimo elemento dell’array, x[-2] il penultimo e così via.
Nota Bene: se provate ad accedere ad un elemento che non esiste il programma genererà un errore! Per
esempio, se il vettore x ha 10 elementi, il comando x[11] = 5 farà terminare lo script con un errore.

Alcune funzioni utili

Durante il corso faremo un uso molto limitato delle potenzialità di numpy, limitandoci essenzialmente a queste
due funzioni:
1. [Link]('[Link]') permette di inizializzare un array numpy con valori letti dal file [Link].
Nel contesto di questo corso nella maggior parte dei casi inizializzeremo due vettori a partire da file
contenenti due colonne. Questa operazione si effettua col comando x, y = [Link]('[Link]',

2
 unpack=True), dove [Link] è il nome del file. Una volta eseguito il comando, le variabili x ed y
conterranno i dati della prima e seconda colonna del file. Nota Bene: questo comando dà errore se il file
contiene più di due colonne. In questo caso bisogna specificare esplicitamente quali colonne si vogliono
leggere. Ad esempio, per salvare in x la prima colonna ed in y la terza si deve eseguire il seguente
comando: x, y = [Link]('[Link]', unpack=True, usecols=(0, 2)) (le colonne sono
indicizzate partendo dallo 0!).
2. [Link](a, b) restituisce un vettore di numeri equispaziati nell’intervallo [a, b]. Di default, il
vettore contiene 50 numeri. Questo numero può essere cambiato passando un terzo argomento alla
funzione. Ad esempio, per generare 100 numeri equispaziati nell’intervallo [0, 10] è sufficiente eseguire il
comando [Link](0, 10, 100).

Graficare con Python: la libreria matplotlib

La libreria matplotlib (solitamente importata con l’alias plt) permette di generare figure e grafici di varia
natura. Noi utilizzeremo solo in parte le moltissime opzioni e funzionalità che possiede. In quel che segue
considereremo x ed y come due array di numpy aventi la stessa lunghezza. La maggior parte degli script che
utilizzano matplotlib sono composti (grossomodo) di tre parti, come descritto nelle prossime sezioni.

Setup iniziale

È conveniente cominciare con i comandi che controllano l’aspetto del grafico. Alcune funzioni utili sono:
• [Link]('titolo') imposta il titolo della figura
• [Link]('etichetta asse x') e [Link]('etichetta asse y') impostano le etichette (la-
bel) degli assi x ed y
• [Link](a, b) e [Link](a, b) impostano il range degli assi x ed y

Aggiunta dei dataset

Si possono aggiungere curve e dataset al grafico utilizzando il comando [Link](x, y), dove x ed y devono
essere array della stessa lunghezza contenenti le ascisse e le ordinate dei dati che vogliamo graficare. Lo stesso
comando può essere ripetuto più volte (con gli stessi o con altri array). Il terzo argomento (opzionale) di
[Link] permette di specificare il formato con cui la curva verrà visualizzata. Alcuni esempi sono 'x' per
utilizzare delle croci, 'o' per dei cerchi, '-' per una linea continua. Ulteriori parametri opzionali di [Link]
permettono di controllare alcune proprietà del dataset da graficare. Ad esempio il parametro label='nome
dataset' permette di impostare l’etichetta che apparirà in legenda. Un elenco esaustivo delle opzioni possibili
è consultabile all’indirizzo [Link]

Visualizzazione (e/o salvataggio su file)

Una volta aggiunti tutti i dataset possiamo caricare la legenda col comando [Link]() e mostrare
la figura con [Link](). Opzionalmente è anche possibile salvare la figura su file con il comando
[Link]('[Link]') prima (o al posto di) chiamare [Link]().
Un semplice esempio completo è il seguente:
import numpy as np
import [Link] as plt

# prepariamo due array di esempio

3
# aggiungiamo titolo ed etichette agli assi
[Link]("Prova grafico")
[Link]("Asse x")
[Link]("Asse y")

# aggiungiamo il dataset
[Link](x, y, label='prova dataset')
# salviamo la figura nel file [Link]
[Link]('[Link]')
# mostriamo il grafico
[Link]()

Link per approfondire

La maggior parte della documentazione online su Python e le sue librerie sono in lingua inglese. Ecco una
lista (non esaustiva) di utili risorse:
• Un libro utile per i principianti è Python 101, consultabile gratuitamente all’indirizzo [Link]
[Link]/
• La documentazione ufficiale di Python è consultabile all’indirizzo [Link]
• Il sito ufficiale di numpy non è di facilissima navigazione, specialmente per programmatori “in erba”, ed
è quindi raccomandabile, per gli interessati, seguire tutorial introduttivi più semplici. Ne trovate un
esempio all’indirizzo [Link]
• Il sito ufficiale di matplotlib contiene molte guide, tutorial ed esempi ed è consultabile all’indirizzo
[Link]