Wprowadzenie do NumPy
NumPy to pakiet Pythona typu open source. Może być wykorzystywany do obliczeń naukowych i numerycznych. Najczęściej jest używany do bardziej wydajnego obliczania tablic. Jest oparty i napisany w C i Python. Jest to pakiet Pythona, a słowo Numpy oznacza Python numeryczny. Służy głównie do przetwarzania jednorodnej macierzy wielowymiarowej. Jest to podstawowa biblioteka do obliczeń naukowych. Stąd ma potężne wielowymiarowe obiekty tablicowe i narzędzia integrujące, które są przydatne podczas pracy z tymi tablicami. Jest to ważne w prawie każdym programowaniu naukowym w pythonie, które obejmuje uczenie maszynowe, statystyki, bioinformatykę itp. Zapewnia naprawdę dobrą funkcjonalność, która jest bardzo dobrze napisana i działa wydajnie. Koncentruje się głównie na wykonywaniu operacji matematycznych na ciągłych tablicach, podobnie jak tablice w językach niższego poziomu, takich jak C. Innymi słowy, jest wykorzystywany do manipulowania danymi liczbowymi. Z tego powodu Python może być używany jako alternatywa dla MATLAB.
Zrozumieć Numpy
Jedną z najczęściej używanych bibliotek w Pythonie jest Numpy. Techniki Data Science wymagają pracy nad wielkoformatowymi tablicami i macierzami oraz ciężkich obliczeń numerycznych w celu wydobycia z nich użytecznych informacji, co jest ułatwione dzięki gromadzeniu różnych funkcji matematycznych w NumPy. ale ważna biblioteka dla większości obliczeń naukowych w Pythonie, również niektóre inne biblioteki są zależne od tablic NumPy jako ich podstawowych danych wejściowych i wyjściowych. Zapewnia również funkcje, które pozwalają programistom wykonywać podstawowe, jak również zaawansowane funkcje matematyczne i statystyczne na wielowymiarowych tablicach i macierzach przy bardzo małej liczbie wierszy kodu. Struktura danych „ndarray” lub n-wymiarowa tablica jest główną funkcjonalnością Numpy. Te tablice są jednorodne i wszystkie elementy tablicy muszą być tego samego typu.
Tablice NumPy są szybsze w porównaniu do list w języku Python. Ale listy python są bardziej elastyczne niż tablice numpy, ponieważ można przechowywać tylko ten sam typ danych w każdej kolumnie.
Cechy -
- Jest to kombinacja C i Pythona
- Wielowymiarowe jednorodne tablice. Ndarray, które są tablicami wymiarowymi
- Różne funkcje tablic.
- Przekształcanie tablic Python może być używany jako alternatywa dla MATLAB.
W jaki sposób numpy sprawia, że praca jest tak łatwa?
Możesz łatwo tworzyć jednorodne tablice i wykonywać na nim różne operacje, takie jak,
- Zaimportuj go za pomocą następującego polecenia, zaimportuj numpy jako numpy.
Tablica n-wymiarowa NumPy
Jedną z najważniejszych cech Numpy jest tablica n-wymiarowa, która jest tablicą nd. Liczba wymiarów tablicy jest niczym innym jak rangą tablicy. Oto kilka przykładów. arrA = numpy.array ((10, 20, 30))
Tworzenie tablicy numpy
Następująca linia tworzy tablicę,
arrA = numpy.arange (3)
Jest to tak samo jak zasięg w pythonie. Spowoduje to utworzenie tablicy o rozmiarze 3.
Niektóre podstawowe funkcje, których można używać z tablicą numpy
Zobaczmy, jakich funkcji możemy użyć z tablicą i ich celu
Zaimportuj numpy jako numpy
arrC = tablica numpy. (((10, 20, 30), (40, 50, 60)))
arrC.reshape (3, 2)
Wyjście: arrayC (((10, 20),
(30, 40), (50, 60)))Funkcja Przekształć zmienia liczbę kolumn i wierszy, więc po zmianie kształtu tablica otrzyma nowy widok z inną liczbą kolumn i wierszy.
Niektóre funkcje matematyczne w Numpy
Istnieją funkcje matematyczne, których można używać z tablicami Numpy. Poniżej kilka przykładów,
Zaimportuj numpy jako numpy
arrA = tablica numpy. (((1, 2, 3), (4, 5, 6)))
arrB = numpy.array (((7, 8, 9), (10, 11, 12)))
numpy.add (arrA, arrB)
Ta funkcja dodaje tablicę arrA i arrB
Wynik:
tablica C (((8, 10, 12), (14, 16, 18)))
Dlaczego warto korzystać?
Używamy tablicy numpy Pythona zamiast listy z trzech poniższych powodów:
- Mniejsze zużycie pamięci
- Szybka wydajność
- Wygodny w pracy
Pierwszym powodem preferowania tablic numpy python jest to, że zajmuje mniej pamięci w porównaniu do listy python. Dzięki temu jest szybki pod względem wykonania, a jednocześnie wygodny i łatwy w obsłudze.
Co możemy zrobić z Numpy?
Wbudowana obsługa tablic nie jest dostępna w pythonie, ale możemy używać list python jako tablic.
arrayA = („Witaj”, „świat”)
print (tablicaA)
Ale wciąż jest to lista python, a nie tablica.
Oto nadchodzi Numpy, którego możemy używać do tworzenia 2D, 3D, które są wielowymiarowymi tablicami. Możemy również wykonywać obliczenia na tablicach.
importuj numpy jako num
arr = tablica liczb ((1, 2, 3, 4, 5, 6))
drukuj (arr)
Tworzy tablicę tablic.
Następnie w przypadku tablic 2D i 3D
importuj numpy jako num
arr = tablica liczb (((1, 2, 3, 4, 5), (6, 7, 8, 9, 10, 11)))
drukuj (arr)
–Jeśli chcesz poznać wymiary swojej tablicy, możesz po prostu użyć następującej funkcji.
drukuj (arr.ndim)
–Jeśli chcesz dowiedzieć się, jaki jest rozmiar tablicy, możesz po prostu użyć następującej funkcji,
print (arr.size)
–Aby dowiedzieć się o kształcie tablicy, możesz użyć funkcji kształtu.
drukuj (arr. kształt)
Powie ci liczbę (kol., Wierszy)
Możesz także używać krojenia, przekształcania i wielu innych metod z tablicami numpy.
Dlaczego potrzebujemy?
Aby wykonać logiczne i matematyczne obliczenia na macierzach i macierzach, potrzebna jest numpy. Wykonuje te operacje o wiele za wydajnie i szybciej niż listy python.
Zalety
1. Tablice Numpy zajmują mniej miejsca.
Tablice NumPy są mniejsze niż listy w języku Python. Lista python może zająć do 20 MB, a tablica może zająć 4 MB. Tablice są również łatwo dostępne do czytania i pisania.
2. Wydajność prędkości jest również świetna. Wykonuje szybsze obliczenia niż listy python.
Ponieważ jest to oprogramowanie typu open source, nic nie kosztuje i używa bardzo popularnego języka programowania Python, który ma wysokiej jakości biblioteki do prawie każdego zadania. Ponadto łatwo jest podłączyć istniejący kod C do interpretera Pythona.
Wzrost kariera
Wśród języków programowania Python jest popularną technologią w branży IT. Możliwości kariery w Pythonie szybko rosną na całym świecie. Ponieważ Python jest językiem programowania wysokiego poziomu, Python dba o szybszą czytelność i zwięzłość kodu dzięki mniejszym wierszom kodu. Python jest jednym z najlepszych narzędzi do tworzenia dynamicznych skryptów w dużych i małych rozmiarach.
Python jest szeroko stosowany w tworzeniu stron internetowych, pisaniu skryptów, testowaniu, tworzeniu aplikacji i ich aktualizacji. Więc jeśli ktoś chce być ekspertem w Pythonie, ma wiele opcji kariery, na przykład programista Pythona, tester pytona, a nawet specjalista od danych.
Wniosek:
Teraz, jak widzimy, jest naprawdę mocny pod względem wysokiej jakości funkcji bibliotecznych, które posiada. Każdy może wykonywać duże obliczenia lub obliczenia za pomocą zaledwie kilku wierszy kodu. To sprawia, że jest to świetne narzędzie do różnych obliczeń numerycznych. Jeśli ktoś chce zostać naukowcem danych, może spróbować opanować Numpy. Ale najpierw musisz nauczyć się i znać Pythona, zanim zostaniesz ekspertem w Numpy.
Polecane artykuły
To był przewodnik po tym, co jest NumPy. Tutaj omawiamy funkcje, zalety i rozwój kariery NumPy. Możesz także przejrzeć następujące artykuły, aby dowiedzieć się więcej -
- Co to jest C?
- Co to jest QlikView?
- Co to jest Apache Flink?
- Co to jest Houdini?
- Zrozumienie listy Python
- Różne typy danych NumPy z przykładami