Modules
		LinearAlgebra RandomArray matplotlib.backends matplotlib.cm copy copy_reg matplotlib.dates matplotlib.image math matplotlib matplotlib.mlab multiarray matplotlib.numerix pickle string sys matplotlib.ticker types warnings

Classes
		__builtin__.dict(__builtin__.object) Hist   class Hist(__builtin__.dict)     a histogram is a dictionary that maps from each key (x) to the number of times the key has appeared (frequency, f)     Method resolution order: Hist __builtin__.dict __builtin__.object Methods defined here: __init__(self, seq=[]) create a new histogram starting with the items in seq cdf(self) return a sorted list of keys (xs) and the corresponding list of cumulative fractions (the fraction of keys less than or equal to x).  This is the empirical CDF of the keys in the Hist.   Note: the cdf makes more sense if the keys in the Hist are numeric, but this function works for any data type that can be sorted. count(self, x) increment the counter associated with key x pdf(self) return a sorted list of keys (xs) and the corresponding list of frequencies (fs). plot_cdf(self, plot_func=<function plot>, *args, **kwds) plot the cdf as a step function; the optional second parameter is one of the line plotting functions in pylab, either plot, semilogx, semilogy or loglog.   args and kwds are passed along to the plotting function plot_pdf(self, *args, **kwds) plot the pdf as a bar chart.  args and kwds are passed along to the bar function. print_cdf(self) print the keys (in increasing order) and the corresponding cumulative fractions print_pdf(self) print the sorted keys and the corresponding fractions Data and other attributes defined here: __dict__ = <dictproxy object> dictionary for instance variables (if defined) __weakref__ = <attribute '__weakref__' of 'Hist' objects> list of weak references to the object (if defined) Methods inherited from __builtin__.dict: __cmp__(...) x.__cmp__(y) <==> cmp(x,y) __contains__(...) D.__contains__(k) -> True if D has a key k, else False __delitem__(...) x.__delitem__(y) <==> del x[y] __eq__(...) x.__eq__(y) <==> x==y __ge__(...) x.__ge__(y) <==> x>=y __getattribute__(...) x.__getattribute__('name') <==> x.name __getitem__(...) x.__getitem__(y) <==> x[y] __gt__(...) x.__gt__(y) <==> x>y __hash__(...) x.__hash__() <==> hash(x) __iter__(...) x.__iter__() <==> iter(x) __le__(...) x.__le__(y) <==> x<=y __len__(...) x.__len__() <==> len(x) __lt__(...) x.__lt__(y) <==> x<y __ne__(...) x.__ne__(y) <==> x!=y __repr__(...) x.__repr__() <==> repr(x) __setitem__(...) x.__setitem__(i, y) <==> x[i]=y clear(...) D.clear() -> None.  Remove all items from D. copy(...) D.copy() -> a shallow copy of D get(...) D.get(k[,d]) -> D[k] if k in D, else d.  d defaults to None. has_key(...) D.has_key(k) -> True if D has a key k, else False items(...) D.items() -> list of D's (key, value) pairs, as 2-tuples iteritems(...) D.iteritems() -> an iterator over the (key, value) items of D iterkeys(...) D.iterkeys() -> an iterator over the keys of D itervalues(...) D.itervalues() -> an iterator over the values of D keys(...) D.keys() -> list of D's keys pop(...) D.pop(k[,d]) -> v, remove specified key and return the corresponding value If key is not found, d is returned if given, otherwise KeyError is raised popitem(...) D.popitem() -> (k, v), remove and return some (key, value) pair as a 2-tuple; but raise KeyError if D is empty setdefault(...) D.setdefault(k[,d]) -> D.get(k,d), also set D[k]=d if k not in D update(...) D.update(E, **F) -> None.  Update D from E and F: for k in E: D[k] = E[k] (if E has keys else: for (k, v) in E: D[k] = v) then: for k in F: D[k] = F[k] values(...) D.values() -> list of D's values Data and other attributes inherited from __builtin__.dict: __new__ = <built-in method __new__ of type object> T.__new__(S, ...) -> a new object with type S, a subtype of T fromkeys = <built-in method fromkeys of type object> dict.fromkeys(S[,v]) -> New dict with keys from S and values equal to v. v defaults to None.

Functions
		arange(...) arange(start, stop=None, step=1, typecode=None)    Just like range() except it returns an array whose type can be specified by the keyword argument typecode. array(...) array(sequence, typecode=None, copy=1, savespace=0) will return a new array formed from the given (potentially nested) sequence with type given by typecode.  If no typecode is given, then the type will be determined as the minimum type required to hold the objects in sequence.  If copy is zero and sequence is already an array, a reference will be returned.  If savespace is nonzero, the new array will maintain its precision in operations. arrayrange = arange(...) arange(start, stop=None, step=1, typecode=None)    Just like range() except it returns an array whose type can be specified by the keyword argument typecode. choose(...) choose(a, (b1,b2,...)) cross_correlate(...) cross_correlate(a,v, mode=0) empty(...) empty((d1,...,dn),typecode='l',savespace=0) will return a new array of shape (d1,...,dn) and given type with all its entries uninitialized.  If savespace is nonzero, the array will be a spacesaver array.  This can be faster than zeros. fromstring(...) fromstring(string, typecode='l', count=-1) returns a new 1d array initialized from the raw binary data in string.  If count is positive, the new array will have count elements, otherwise it's size is determined by the size of string. main(script) max(...) max(sequence) -> value max(a, b, c, ...) -> value   With a single sequence argument, return its largest item. With two or more arguments, return the largest argument. min(...) min(sequence) -> value min(a, b, c, ...) -> value   With a single sequence argument, return its smallest item. With two or more arguments, return the smallest argument. pymax = max(...) max(sequence) -> value max(a, b, c, ...) -> value   With a single sequence argument, return its largest item. With two or more arguments, return the largest argument. pymin = min(...) min(sequence) -> value min(a, b, c, ...) -> value   With a single sequence argument, return its smallest item. With two or more arguments, return the smallest argument. reshape(...) reshape(a, (d1, d2, ..., dn)).  Change the shape of a to be an n-dimensional array with dimensions given by d1...dn.  Note: the size specified for the new array must be exactly equal to the size of the  old one or an error will occur. searchsorted = binarysearch(...) binarysearch(a,v) take(...) take(a, indices, axis=0).  Selects the elements in indices from array a along the given axis. zeros(...) zeros((d1,...,dn),typecode='l',savespace=0) will return a new array of shape (d1,...,dn) and type typecode with all it's entries initialized to zero.  If savespace is nonzero the array will be a spacesaver array.

Data
		Character = 'c' Complex = 'D' Complex0 = 'F' Complex16 = 'F' Complex32 = 'F' Complex64 = 'D' Complex8 = 'F' DAILY = 3 FR = FR Float = 'd' Float0 = 'f' Float16 = 'f' Float32 = 'f' Float64 = 'd' Float8 = 'f' HOURLY = 4 Int = 'l' Int0 = '1' Int16 = 's' Int32 = 'i' Int8 = '1' LittleEndian = True MINUTELY = 5 MO = MO MONTHLY = 1 NewAxis = None PyObject = 'O' SA = SA SECONDLY = 6 SU = SU TH = TH TU = TU UInt = 'u' UInt16 = 'w' UInt32 = 'u' UInt8 = 'b' UnsignedInt16 = 'w' UnsignedInt32 = 'u' UnsignedInt8 = 'b' UnsignedInteger = 'u' WE = WE WEEKLY = 2 YEARLY = 0 absolute = <ufunc 'absolute'> add = <ufunc 'add'> arccos = <ufunc 'arccos'> arccosh = <ufunc 'arccosh'> arcsin = <ufunc 'arcsin'> arcsinh = <ufunc 'arcsinh'> arctan = <ufunc 'arctan'> arctan2 = <ufunc 'arctan2'> arctanh = <ufunc 'arctanh'> bitwise_and = <ufunc 'bitwise_and'> bitwise_or = <ufunc 'bitwise_or'> bitwise_xor = <ufunc 'bitwise_xor'> ceil = <ufunc 'ceil'> conjugate = <ufunc 'conjugate'> cos = <ufunc 'cos'> cosh = <ufunc 'cosh'> divide = <ufunc 'divide'> divide_safe = <ufunc 'divide_safe'> e = 2.7182818284590451 equal = <ufunc 'equal'> exp = <ufunc 'exp'> fabs = <ufunc 'fabs'> floor = <ufunc 'floor'> floor_divide = <ufunc 'floor_divide'> fmod = <ufunc 'fmod'> greater = <ufunc 'greater'> greater_equal = <ufunc 'greater_equal'> hypot = <ufunc 'hypot'> invert = <ufunc 'invert'> left_shift = <ufunc 'left_shift'> less = <ufunc 'less'> less_equal = <ufunc 'less_equal'> log = <ufunc 'log'> log10 = <ufunc 'log10'> logical_and = <ufunc 'logical_and'> logical_not = <ufunc 'logical_not'> logical_or = <ufunc 'logical_or'> logical_xor = <ufunc 'logical_xor'> maximum = <ufunc 'maximum'> minimum = <ufunc 'minimum'> multiply = <ufunc 'multiply'> negative = <ufunc 'negative'> not_equal = <ufunc 'not_equal'> pi = 3.1415926535897931 power = <ufunc 'power'> rcParams = {'axes.edgecolor': 'black', 'axes.facecolor': 'white', 'axes.grid': False, 'axes.hold': True, 'axes.labelcolor': 'black', 'axes.labelsize': 12.0, 'axes.linewidth': 1.0, 'axes.titlesize': 14.0, 'backend': 'GTKAgg', 'datapath': '/usr/lib/python2.4/site-packages/matplotlib/mpl-data', ...} rcParamsDefault = {'axes.edgecolor': 'black', 'axes.facecolor': 'white', 'axes.grid': False, 'axes.hold': True, 'axes.labelcolor': 'black', 'axes.labelsize': 12.0, 'axes.linewidth': 1.0, 'axes.titlesize': 14.0, 'backend': 'GTKAgg', 'datapath': '/usr/lib/python2.4/site-packages/matplotlib/mpl-data', ...} remainder = <ufunc 'remainder'> right_shift = <ufunc 'right_shift'> sin = <ufunc 'sin'> sinh = <ufunc 'sinh'> sqrt = <ufunc 'sqrt'> subtract = <ufunc 'subtract'> tan = <ufunc 'tan'> tanh = <ufunc 'tanh'> true_divide = <ufunc 'true_divide'> typecodes = {'Character': 'c', 'Complex': 'FD', 'Float': 'fd', 'Integer': '1sil', 'UnsignedInteger': 'bwu'} which = ('numeric', 'rc')