کتابخانه داده NumPy
NumPy — یک کتابخانه منبع باز برای زبان برنامه نویسی پایتون، که تعداد زیادی عملیات را برای کار با بردارها، ماتریس ها و آرایه ها اجرا می کند.
الگوریتم های ریاضی پیاده سازی شده در زبان های تفسیر شده (مثلا پایتون) اغلب بسیار کندتر از آنهایی هستند که در زبان های کامپایل شده (مانند Fortran، C، Java) پیاده سازی می شوند. کتابخانه
NumPy پیاده سازی هایی از الگوریتم های محاسباتی (در قالب توابع و عملگرها) را ارائه می دهد که برای کار با آرایه های چند بعدی بهینه شده اند.
در نتیجه، هر الگوریتمی که بتوان آن را به صورت دنباله ای از عملیات روی آرایه ها (ماتریس) بیان کرد و با استفاده از
NumPy پیاده سازی کرد، به اندازه کافی سریع است.
NumPy (Numeric Python) یک کتابخانه ریاضی هسته ای برای کار با داده ها است. این کتابخانه زیربنای کتابخانه‌های دیگری برای کار با یادگیری ماشین یا وظایف تجزیه و تحلیل داده است (به عنوان مثال،
Pandas (کار با داده‌های جدولی)،
SciPy (روش‌های بهینه‌سازی و محاسبات علمی)، < tt>Matplotlib (نقشه)).
کار با NumPy
برای شروع کار با کتابخانه numpy، باید آن را در ابتدای برنامه مانند هر کتابخانه دیگری وارد کنید.
وارد کردن numpy
یا بیشتر (که بیشتر استفاده می شود)
numpy را به عنوان np وارد کنید
بردارهای NumPy
بردار (یا آرایه) در NumPy مجموعه مرتب شده ای از داده های همگن است.
یک عنصر از یک بردار را می توان با شاخص آن، درست همانطور که در لیست ها انجام می شود، دسترسی داشت. هر عنصر بردار مکان خاص خود را دارد که در حین ایجاد تنظیم می شود.
همه عناصر برداری دارای نوع داده یکسانی هستند (int، str، bool، و غیره).
ایجاد یک بردار
برای ایجاد یک برداری، باید از سازنده numpy.array (یک شیء تکرارپذیر) استفاده کنید.
پرانتز هر شیء قابل تکرار را نشان می دهد: tuple، list، range() و غیره
مثال
numpy را به عنوان np وارد کنید
numpy را به عنوان np وارد کنید
print(np.array((1,2,3,4,5))) # بردار از tuple
print(np.array([1,2,3,4,5])) # بردار از لیست
print(np.array(range(5))) # بردار از generator