Úvod do NumPy
NumPy je open-source balíček pythonu. Může být použit pro vědecké a numerické výpočty. Většinou se používá pro efektivnější výpočet polí. Je založen a napsán v jazyce C a Python. Je to balíček pythonů a slovo Numpy znamená Numerical Python. Používá se hlavně pro zpracování homogenního vícerozměrného pole. Je to základní knihovna pro vědecké výpočty. Má tedy výkonné objekty vícerozměrného pole a integrační nástroje, které jsou užitečné při práci s těmito poli. Je to důležité v téměř každém vědeckém programování v pythonu, které zahrnuje strojové učení, statistiku, bioinformatiku atd. Poskytuje některé opravdu dobré funkce, které jsou velmi dobře napsané a fungují efektivně. Většinou se zaměřuje na provádění matematických operací na sousedních polích, podobně jako pole, která máte v jazycích nižší úrovně, jako je C. Jinými slovy se používá při manipulaci s numerickými daty. Z tohoto důvodu lze python použít jako alternativu k MATLABu.
Porozumění Numpy
Jednou z nejpoužívanějších knihoven v Pythonu je Numpy. Techniky datové vědy vyžadují práci na velkoplošných polích a maticích a musí se provést těžké numerické výpočty, aby se z nich získaly užitečné informace, což je usnadněno shromažďováním různých matematických funkcí v rámci NumPy.Je to základní přesto důležitá knihovna pro většinu vědeckých výpočtů v Pythonu, také některé další knihovny jsou závislé na polích NumPy jako jejich základní vstupy a výstupy. Poskytuje také funkce, které vývojářům umožňují provádět základní i pokročilé matematické a statistické funkce na vícerozměrných polích a maticích s velmi menším počtem řádků kódu. 'ndarray' nebo n-dimenzionální maticová datová struktura je hlavní funkcí Numpy. Tato pole jsou homogenní a všechny prvky pole musí být stejného typu.
Pole NumPy jsou ve srovnání se seznamy Python rychlejší. Seznamy pythonu jsou však flexibilnější než matná pole, protože v každém sloupci můžete ukládat pouze stejný typ dat.
Funkce -
- Je to kombinace C a pythonu
- Vícerozměrná homogenní pole. Ndarray, které jsou ndimenzionální pole
- Různé funkce pro pole.
- Změna tvaru polí Python lze použít jako alternativu k MATLABu.
Jak numpy usnadňuje práci?
Můžete snadno vytvářet homogenní pole a provádět na něm různé operace, jako je,
- Při importu pomocí následujícího příkazu importujte numpy jako numpy.
NumPy n-dimentional array
Jednou z nejdůležitějších vlastností Numpy je n-rozměrné pole, které je nd-array. Počet dimenzí pole není nic jiného než pořadí pole. Zde je několik příkladů. arrA = numpy.array ((10, 20, 30))
Vytváření numpy pole-
Následující řádek vytvoří pole,
arrA = numpy.arange (3)
Je to jako v pythonu. Tím se vytvoří pole velikosti 3.
Některé základní funkce, které lze použít v numpy poli
Pojďme se podívat, jaké funkce můžeme použít s polem a jejich účelem
Importovat numpy jako numpy
arrC = numpy.array (((10, 20, 30), (40, 50, 60)))
arrC.reshape (3, 2)
Výstup: arrayC (((10, 20)),
(30, 40), (50, 60)))Funkce přetvoření změní počet sloupců a řádků, takže po změně tvaru získá pole nové zobrazení s různým počtem sloupců a řádků.
Některé matematické funkce v Numpy
Existují matematické funkce, které lze použít s poli Numpy. Níže jsou uvedeny některé příklady,
Importovat numpy jako numpy
arrA = numpy.array (((1, 2, 3), (4, 5, 6)))
arrB = numpy.array (((7, 8, 9), (10, 11, 12)))
numpy.add (arrA, arrB)
Tato funkce přidá pole arrA a arrB
Výstup:
arrayC (((8, 10, 12), (14, 16, 18)))
Proč bychom měli používat?
Místo seznamu používáme python numpy matice z následujících důvodů:
- Méně využití paměti
- Rychlý výkon
- Pohodlná práce
Prvním důvodem, proč preferovat pythonová matná pole, je, že zabírá méně paměti ve srovnání se seznamem pythonů. Pak je z hlediska provedení rychlý a zároveň s ním je pohodlné a snadné s ním pracovat.
Co můžeme dělat s Numpy?
Vestavěná podpora pro pole není v pythonu dostupná, ale můžeme použít seznamy pythonů jako pole.
arrayA = ('Hello', 'world')
print (arrayA)
Ale je to stále seznam pythonů, ne pole.
Tady přichází Numpy, kterou můžeme použít k vytvoření 2D, 3D, což je vícerozměrná pole. Můžeme také provádět výpočty na polích.
importovat numpy jako num
arr = num.array ((1, 2, 3, 4, 5, 6))
tisk (arr)
Vytvoří arr pole.
Pak pro 2D a 3D pole
importovat numpy jako num
arr = num.array (((1, 2, 3, 4, 5), (6, 7, 8, 9, 10, 11)))
tisk (arr)
- Pokud chcete znát rozměry svého pole, můžete jednoduše použít následující funkci.
tisk (arr.ndim)
- Pokud chcete zjistit velikost pole, můžete jednoduše použít následující funkci,
tisk (arr.size)
- Chcete-li zjistit tvar pole, můžete použít tvarovou funkci.
tisk (arr.shape)
To vám řekne počet (sloupce, řádky)
Můžete také použít krájení, změnu tvaru a mnoho dalších metod s malými poli.
Proč to potřebujeme?
K provedení logického a matematického výpočtu na matici a maticích je nutná numpy. Tyto operace provádí příliš účinně a rychleji než seznamy pythonů.
Výhody
1. Numpy pole zabírají méně místa.
Pole NumPy mají menší velikost než seznamy Pythonu. Seznam pythonů může trvat až 20 MB, zatímco pole může trvat 4 MB. Pole jsou také snadno přístupná pro čtení a psaní.
2. Rychlostní výkon je také skvělý. Provádí rychlejší výpočty než seznamy pythonů.
Protože se jedná o open-source, nic nestojí a používá velmi oblíbený programovací jazyk Python, který má vysoce kvalitní knihovny pro téměř každý úkol. Rovněž je snadné připojit existující kód C k interpretu Python.
Růst kariéry
Mezi programovacími jazyky je Python trendy v IT. Počet pracovních příležitostí v Pythonu na celém světě rychle roste. Protože python je programovací jazyk na vysoké úrovni, Python se stará o rychlejší čitelnost a stručnost kódu, s menšími řádky kódu. Python je jedním z nejlepších nástrojů pro vytváření dynamických skriptů ve velkém i malém rozsahu.
Python je široce používán ve vývoji webových aplikací, psaní skriptů, testování, vývoji aplikací a jejich aktualizacích. Takže pokud chce někdo být odborníkem v Pythonu, má mnoho možností kariéry, jako je vývojář pythonu, tester pythonu nebo dokonce datový vědec.
Závěr:
Nyní, jak vidíme, je to opravdu silné, pokud jde o vysoce kvalitní knihovní funkce, které má. Kdokoli může provádět velké výpočty nebo výpočty pomocí několika řádků kódu. Díky tomu je skvělým nástrojem pro různé numerické výpočty. Pokud se někdo chce stát vědcem v oblasti dat, může se pokusit zvládnout v Numpy. Nejprve se ale musíte učit a znát python, než se stanete odborníkem na Numpy.
Doporučené články
Toto byl průvodce Co je NumPy. Zde diskutujeme o vlastnostech, výhodách a kariérním růstu NumPy. Další informace naleznete také v následujících článcích -
- Co je C?
- Co je QlikView?
- Co je to Apache Flink?
- Co je Houdini?
- Porozumění seznamu Python
- Různé typy dat NumPy s příklady