#!/usr/bin/env python
# coding: utf-8

# > 作者：Emmanuelle Gouillart

# 与了解Numpy和Scipy中的所有函数相比，通过文档和可用的帮助快捷地找到信息更重要。这里是获得信息的一些方式：
# 
# - 在Ipython中，`help 方法`打开函数的文档字符串。只需要输入函数名的起始字母，使用tab完成来显示匹配到的函数。
# 
# ```python
# In [204]: help np.v
# np.vander     np.vdot       np.version    np.void0      np.vstack
# np.var        np.vectorize  np.void       np.vsplit
# 
# In [204]: help np.vander
# 
# ```
# 
# 在Ipython中无法为帮助和问答打开一个独立的窗口；但是，可以打开另一个Ipython shell仅显示帮助和文档字符串...
# 
# - Numpy和Scipy的文档可以在线查看http://docs.scipy.org/doc 。两个包的参考文档(http://docs.scipy.org/doc/numpy/reference/ 和 http://docs.scipy.org/doc/scipy/reference/) 中的搜索按钮非常有用。
# 
# 在这个网站上也可以找到不同主题的教程以及所有文档完整的API。
# ![](http://www.scipy-lectures.org/_images/scipy_doc.png)
# 
# - Numpy和Scipy的文档由用户在wiki http://docs.scipy.org/doc/numpy/ 上定期丰富和更新。因此，一些API文档(docstrings)在wiki上更清晰 详尽，你可能更想在wiki上读取文档而不是在官方文档网站上。注意任何人都可以在wiki上创建一个帐号来写更好的文档；这是为开源项目做贡献以及改善你所使用的工具的简单方式！
# 
# ![](http://www.scipy-lectures.org/_images/docwiki.png)
# 
# - Scipy central http://central.scipy.org/ 给出了许多常见问题的做法，比如拟合数据点，求解ODE等。
# 
# - Matplotlib网站 http://matplotlib.org/ 以一个拥有大量图表的非常漂亮的***画廊***为特色，每个图表都显示了源代码及生成的图表。这对于通过例子来学习非常有帮助。在网站上也可以找到更多的标准文档。
# 
# ![](http://www.scipy-lectures.org/_images/matplotlib.png)
# 
# 
# 最后，两个更加“技术”的可能性也非常有用：
# 
# - 在Ipython中，魔法函数`%psearch`搜索匹配模式的对象。例如，如果不知道函数的准确名称，这将非常有用。
# 
# ```python
# 
# In [3]: import numpy as np
# In [4]: %psearch np.diag*
# np.diag
# np.diagflat
# np.diagonal
# 
# ```
# 
# - `numpy.lookfor` 查找指定模块文档字符串中的关键字。
# 
# ```python
# 
# In [45]: numpy.lookfor('convolution')
# Search results for 'convolution'
# --------------------------------
# numpy.convolve
#     Returns the discrete, linear convolution of two one-dimensional
# sequences.
# numpy.bartlett
#     Return the Bartlett window.
# numpy.correlate
#     Discrete, linear correlation of two 1-dimensional sequences.
# In [46]: numpy.lookfor('remove', module='os')
# Search results for 'remove'
# ---------------------------
# os.remove
#     remove(path)
# os.removedirs
#     removedirs(path)
# os.rmdir
#     rmdir(path)
# os.unlink
#     unlink(path)
# os.walk
#     Directory tree generator.
# 
# ```
# 
# 
# - 如果上面列出的所有方法都失败了（并且Google也没有答案）... 不要绝望！你的问题适合向邮件组写一封邮件：如果你很好的描述了你的问题，那么你应该会很快得到答案。Python科学计算的专家经常通过邮件组给出非常有启发性的解释。
#     - Numpy讨论（numpy-discussion@scipy.org）: 全部是关于Numpy数组，操作数据，索引等问题。
#     - SciPy用户列表（scipy-user@scipy.org）: 用Python进行科学计算，高级数据处理，特别是scipy包的使用。
#     - [matplotlib-users@lists.sourceforge.net](matplotlib-users@lists.sourceforge.net) 用matplotlib绘图。

# In[ ]: