Introducere în NumPy
NumPy este un pachet open-source de python. Poate fi utilizat pentru calculul științific și numeric. În mare parte, este utilizat pentru calcule mai eficiente pe tablouri. Este bazat și scris în C și Python. Este un pachet python, iar cuvântul Numpy înseamnă Python numeric. Este utilizat în principal pentru prelucrarea unei game multidimensionale omogene. Este o bibliotecă de bază pentru calcule științifice. Prin urmare, are obiecte matrice multidimensionale puternice și instrumente de integrare care sunt utile în timpul lucrului cu aceste tablouri. Este important în aproape fiecare programare științifică în piton, care include învățarea automată, statistici, bioinformatică, etc. Acesta oferă unele funcționalități foarte bune, care sunt foarte bine scrise și funcționează eficient. Este concentrat mai ales pe efectuarea operațiunilor matematice pe tablele contigue, la fel ca matricile pe care le aveți în limbi de nivel inferior, cum ar fi C. Cu alte cuvinte, este utilizat în manipularea datelor numerice. Din această cauză, python poate fi utilizat ca o alternativă la MATLAB.
Înțelegerea lui Numpy
Una dintre cele mai utilizate biblioteci din Python este Numpy. Tehnicile de știință a datelor au nevoie de lucrări pe tablouri și matrice de dimensiuni mari, iar calculele numerice grele trebuie făcute pentru a extrage informații utile din aceasta, care este ușoară prin colectarea diverselor funcții matematice sub NumPy. Este de bază încă o bibliotecă importantă pentru majoritatea calculelor științifice din Python, de asemenea, unele alte biblioteci sunt dependente de matricile NumPy ca intrări și ieșiri de bază. De asemenea, oferă funcții care permit dezvoltatorilor să efectueze funcții de bază, precum și matematice și statistice avansate pe matricele și matricele multidimensionale cu un număr foarte mic de linii de cod. Structura de date „ndarray” sau n-dimensională este principala funcționalitate a lui Numpy. Aceste tablouri sunt omogene și toate elementele tabloului trebuie să fie de același tip.
Matricile NumPy sunt mai rapide comparativ cu listele Python. Dar listele de pitoni sunt mai flexibile decât matricile numpy, deoarece puteți stoca același tip de date în fiecare coloană.
Caracteristici -
- Este o combinație de C și piton
- Matrice omogene multidimensionale. Ndarray care sunt un tablou dimensional
- Funcții diverse pentru tablouri.
- Remodelarea tablelor Python poate fi utilizat ca o alternativă la MATLAB.
Cum face ca numpy să funcționeze atât de ușor?
Puteți crea cu ușurință tablele omogene și puteți efectua diverse operații, cum ar fi,
- Importând-o folosind următoarea comandă, importați numpy ca numpy.
Matricea n-dimensională NumPy
Una dintre cele mai importante caracteristici ale Numpy este un tablou n-dimensional care este nd-array. Numărul de dimensiuni ale unui tablou nu este altceva decât rangul tabloului. Iată câteva exemple. ARRA = numpy.array ((10, 20, 30))
Crearea unui tablou numpy
Linia următoare creează un tablou,
ARRA = numpy.arange (3)
Aceasta este exact ca în intervalul python. Aceasta va crea o serie de dimensiuni 3.
Unele funcții de bază care pot fi utilizate cu matrice numpy
Haideți să aruncăm o privire la ce funcții putem folosi cu matricea și scopul acestora
Importați numpy ca numpy
ARRC = numpy.array (((10, 20, 30), (40, 50, 60)))
arrC.reshape (3, 2)
Ieșire: arrayC (((10, 20)),
(30, 40), (50, 60)))Funcția de remodelare modifică numărul de coloane și rânduri, astfel încât după remodelarea tabloului va obține o nouă vizualizare cu numărul diferit de coloane și rânduri.
Câteva funcții matematice în Numpy
Există funcții matematice care pot fi utilizate cu tablouri Numpy. În continuare, sunt câteva exemple,
Importați numpy ca numpy
ARRA = numpy.array (((1, 2, 3), (4, 5, 6)))
arrB = numpy.array (((7, 8, 9), (10, 11, 12)))
numpy.add (ARRA, arrB)
Această funcție adaugă arrA array și arrB
ieşire:
arrayC (((8, 10, 12), (14, 16, 18)))
De ce ar trebui să folosim?
Folosim tabloul numpy python în loc de listă din următoarele trei motive:
- Mai puțină utilizare a memoriei
- Performanță rapidă
- Convenabil pentru a lucra
Primul motiv pentru a prefera tablele de numpy python este că este nevoie de mai puțină memorie în comparație cu lista de python. Apoi, este rapid în termeni de execuție și, în același timp, este convenabil și ușor de lucrat cu acesta.
Ce putem face cu Numpy?
Asistența încorporată pentru Arrays nu este disponibilă în python, dar putem folosi liste python ca tablouri.
arrayA = ('Bună ziua', 'lume')
imprima (Arraya)
Dar este încă o listă python, nu un tablou.
Aici vine Numpy pe care îl putem folosi pentru a crea 2D, 3D, care sunt tablouri multidimensionale. De asemenea, putem face calcule pe tablouri.
import numpy ca num
arr = num.array ((1, 2, 3, 4, 5, 6))
Print (arr)
Creează matricea arr.
Apoi, pentru matricile 2D și 3D,
import numpy ca num
arr = num.array (((1, 2, 3, 4, 5), (6, 7, 8, 9, 10, 11)))
Print (arr)
–Dacă doriți să cunoașteți dimensiunile tabloului dvs., puteți utiliza pur și simplu următoarea funcție.
imprima (arr.ndim)
- Dacă doriți să aflați dimensiunea unui tablou, puteți utiliza pur și simplu următoarea funcție,
Print (arr.size)
–Pentru a afla forma unui tablou, puteți utiliza funcția de formă.
Print (arr.shape)
Acesta vă va spune numărul de (col, rânduri)
Puteți utiliza, de asemenea, tranșare, remodelare și multe alte metode cu matrice numpy.
De ce avem nevoie?
Pentru a face un calcul logic și matematic pe matrice și matrice este nevoie de numpy. Realizează aceste operațiuni mult prea eficiente și mai rapide decât listele de pitoni.
avantaje
1. Matricile nupțioase ocupă mai puțin spațiu.
Matricile NumPy au dimensiuni mai mici decât listele Python. O listă python ar putea lua dimensiuni de până la 20 MB, în timp ce un tablou ar putea lua 4 MB. Schițele sunt ușor de accesat pentru citire și scriere.
2. Performanța vitezei este, de asemenea, excelentă. Realizează calcule mai rapide decât listele de pitoni.
Deoarece este open-source, nu costă nimic și folosește un limbaj de programare foarte popular Python, care are biblioteci de înaltă calitate pentru aproape fiecare sarcină. De asemenea, este ușor să conectați codul C existent la interpretul Python.
Creșterea carierei
Printre limbajele de programare, Python este o tehnologie în trend în domeniul IT. Oportunitățile de carieră în Python cresc rapid în număr din întreaga lume. Deoarece Python este un limbaj de programare la nivel înalt, Python are grijă de o mai rapidă lizibilitate și concizie a codului, cu linii de cod mai mici. Python este unul dintre cele mai bune instrumente pentru crearea de scripturi dinamice pe dimensiuni mari și mici.
Python este utilizat pe scară largă în dezvoltarea web, scrierea de scripturi, testarea, dezvoltarea aplicațiilor și actualizările acestora. Așadar, dacă cineva dorește să fie expert în Python, are multe opțiuni de carieră, cum ar fi un dezvoltator de python, un testator de python sau chiar un om de știință de date.
Concluzie:
Acum, după cum putem vedea, este într-adevăr puternic în ceea ce privește funcțiile de înaltă calitate ale bibliotecii pe care le are. Oricine poate efectua calcule mari sau calcule cu doar câteva linii de cod. Acest lucru îl face un instrument excelent pentru diverse calcule numerice. Dacă cineva dorește să devină un om de știință de date, atunci poate încerca să stăpânească în Numpy. Dar mai întâi, trebuie să înveți și să cunoști pitonul înainte de a deveni un expert în Numpy.
Articole recomandate
Acesta a fost un ghid despre Ce este NumPy. Aici vom discuta despre caracteristici, avantaje și creșterea carierei de NumPy. De asemenea, puteți consulta următoarele articole pentru a afla mai multe -
- Ce este C?
- Ce este QlikView?
- Ce este Apache Flink?
- Ce este Houdini?
- Python List Comprehension
- Diverse tipuri de date NumPy cu exemple