NumPy tutvustus
NumPy on python avatud lähtekoodiga pakett. Seda saab kasutada teaduslikuks ja numbriliseks andmetöötluseks. Enamasti kasutatakse seda massiivide efektiivsemaks arvutamiseks. See põhineb ja kirjutatud C ja Python. See on python-pakett ja sõna Numpy tähendab numbrilist Pythonit. Seda kasutatakse peamiselt homogeense mitmemõõtmelise massiivi töötlemiseks. See on tuum raamatukogu teaduslike arvutuste jaoks. Seetõttu on sellel võimsad mitmemõõtmelised massiivi objektid ja integreerivad tööriistad, mis on nende massiividega töötamisel kasulikud. See on oluline peaaegu kõigis pythoni teadusprogrammides, mis hõlmab masinaõpet, statistikat, bioinformaatikat jne. See pakub tõeliselt head funktsionaalsust, mis on väga hästi kirjutatud ja töötab tõhusalt. See on peamiselt keskendunud matemaatiliste toimingute tegemisele külgnevatel massiividel, sarnaselt massiividega, mis teil on madalama taseme keeltes nagu C. Teisisõnu kasutatakse seda numbriliste andmetega manipuleerimisel. Selle tõttu saab pythonit kasutada MATLAB-i alternatiivina.
Numpy mõistmine
Üks populaarsemaid Pythoni raamatukogusid on Numpy. Andmeteaduse tehnikad vajavad suurtes massiivides ja maatriksites töötamist ning sellest kasuliku teabe eraldamiseks tuleb teha arvukad arvutused, mida lihtsustab erinevate matemaatiliste funktsioonide kogumine programmi NumPy all. See on põhiline kuigi Pythoni enamiku teadusarvutuste jaoks oluline raamatukogu, sõltuvad ka mõned muud teegid NumPy massiividest kui nende peamistest sisenditest ja väljunditest. Samuti pakub see funktsioone, mis võimaldavad arendajatel täita nii matemaatilisi kui ka statistilisi põhifunktsioone mitmemõõtmelistes massiivides ja maatriksites, mille koodiridade arv on väga väike. 'ndarray' või n-mõõtmeline massiivi andmestruktuur on Numpy peamine funktsionaalsus. Need massiivid on homogeensed ja kõik massiivi elemendid peavad olema sama tüüpi.
NumPy massiivid on Pythoni loenditega võrreldes kiiremad. Kuid pythoni loendid on paindlikumad kui tuimas massiivid, kuna igas veerus saate salvestada ainult sama andmetüüpi.
Funktsioonid -
- See on kombinatsioon C-st ja pythonist
- Mitmemõõtmelised homogeensed massiivid. Ndarray, mis on mõõtmeline massiiv
- Massiivide mitmesugused funktsioonid.
- Massiivide ümberkujundamine MATLAB-i alternatiivina võib kasutada Pythonit.
Kuidas teeb numpy töötamise nii lihtsaks?
Saate hõlpsasti luua homogeenseid massiive ja teha sellega mitmesuguseid toiminguid,
- Kui impordite seda järgmise käskluse abil, siis importige tuimasena tuimaks.
NumPy n-mõõtmeline massiiv
Numpy üks olulisemaid omadusi on n-mõõtmeline massiiv, mis on n-massiiv. Massiivi mõõtmete arv on ainult massiivi asetus. Siin on mõned näited. arrA = numpy.array ((10, 20, 30))
Tippmassiivi loomine -
Järgmine rida loob massiivi,
arrA = numpy.arange (3)
See on täpselt nagu vahemik püaonis. See loob massiivi 3.
Mõned põhifunktsioonid, mida saab kasutada tuima massiiviga
Heidame pilgu sellele, milliseid funktsioone saame massiiviga kasutada ja nende eesmärki
Impordi tuimaks kui tuimaks
arrC = numpy.array (((10, 20, 30), (40, 50, 60)))
arrC.reshape (3, 2)
Väljund: arrayC (((10, 20),
(30, 40), (50, 60)))Funktsioon Reshape muudab veergude ja ridade arvu, nii et pärast massiivi ümberkujundamist avaneb uus vaade erineva veergude ja ridade arvuga.
Mõned matemaatilised funktsioonid Numpys
On matemaatilisi funktsioone, mida saab kasutada koos Numpy massiividega. Allpool on mõned näited,
Impordi tuimaks kui tuimaks
arrA = numpy.array (((1, 2, 3), (4, 5, 6)))
arrB = numpy.array (((7, 8, 9), (10, 11, 12)))
numpy.add (arrA, arrB)
See funktsioon lisab massiivi arrA ja arrB
Väljund:
massiivC (((8, 10, 12), (14, 16, 18)))
Miks me peaksime seda kasutama?
Me kasutame nimekirja asemel python numpy massiivi kolmel põhjusel:
- Vähem mälukasutust
- Kiire esitus
- Mugav töötada
Esimene põhjus, miks eelistada python-numpy massiive, on see, et see võtab vähem mälu kui python-loend. Siis on see kiire täitmise osas ja samal ajal on sellega mugav ja hõlbus töötada.
Mida me saame Numpyga teha?
Massiivide sisseehitatud tugi pole pythonis saadaval, kuid massiividena võime kasutada pythoni loendeid.
massiivA = ('Tere', 'maailm')
print (massiivA)
Kuid see on ikkagi python nimekiri, mitte massiiv.
Nii et siin tuleb Numpy, mida saame kasutada 2D, 3D loomiseks, mis on mitmemõõtmelised massiivid. Samuti saame arvutusi teha massiivides.
importima tuima kui num
arr = arvmassiiv ((1, 2, 3, 4, 5, 6))
prindi (arr)
Loob massiivi arr.
Seejärel 2D ja 3D massiivide jaoks
importima tuima kui num
arr = arvmassiiv (((1, 2, 3, 4, 5), (6, 7, 8, 9, 10, 11)))
prindi (arr)
–Kui soovite teada oma massiivi mõõtmeid, võite lihtsalt kasutada järgmist funktsiooni.
print (arr.ndim)
–Kui soovite teada saada massiivi suurust, võite lihtsalt kasutada järgmist funktsiooni,
print (arr.size)
- Massiivi kuju välja selgitamiseks võite kasutada kuju funktsiooni.
print (arr.shape)
See näitab teile arvu (veerg, read)
Võite kasutada tükeldatavate massiividega ka viilutamist, ümberkujundamist ja paljusid muid meetodeid.
Miks me seda vajame?
Massiivi ja maatriksite loogilise ja matemaatilise arvutuse tegemiseks on vaja numpiat. See täidab neid toiminguid liiga tõhusalt ja kiiremini kui python-nimekirjad.
Eelised
1. Tuhmid massiivid võtavad vähem ruumi.
NumPy massiivid on väiksema suurusega kui Pythoni loendid. Püütonite loend võib võtta kuni 20 MB, massiiv aga 4 MB. Massiive on ka lugemiseks ja kirjutamiseks hõlpsasti juurde pääseda.
2. Kiire jõudlus on ka suurepärane. See täidab kiiremini arvutusi kui python-nimekirjad.
Kuna see on avatud lähtekoodiga, ei maksa see midagi ja see kasutab väga populaarset programmeerimiskeelt Python, millel on peaaegu iga ülesande jaoks kvaliteetsed teegid. Samuti on olemasolevat C-koodi lihtne ühendada Pythoni tõlgiga.
Karjäärikasv
Programmeerimiskeelte hulgas on Python IT-s trendikas tehnoloogia. Karjäärivõimalused Pythonis suurenevad kiiresti kogu maailmas. Kuna python on kõrgetasemeline programmeerimiskeel, hoolitseb Python koodide kiirema loetavuse ja kokkuvõtlikkuse eest vähem koodiridadega. Python on üks parimaid tööriistu dünaamiliste skriptide loomiseks suurtel ja väikestel osadel.
Pythoni kasutatakse laialdaselt veebiarenduses, skriptide kirjutamisel, testimisel, rakenduste ja nende värskenduste väljatöötamisel. Nii et kui keegi soovib olla Pythoni asjatundja, on neil palju karjäärivõimalusi, näiteks üks võib olla Pythoni arendaja, Pythoni testija või isegi andmeteadlane.
Järeldus:
Nüüd, nagu näeme, on see oma kvaliteetsete raamatukogufunktsioonide osas tõesti tugev. Igaüks saab teha suuri arvutusi või arvutusi vaid mõne koodiridaga. See teeb sellest suurepärase tööriista mitmesuguste arvandmete jaoks. Kui keegi soovib saada andmeteadlaseks, võib ta proovida end Numpy's omandada. Kuid kõigepealt peate enne Numpy eksperdiks saamist õppima ja tundma pythonit.
Soovitatavad artiklid
See on olnud juhend teemal Mis on NumPy. Siin käsitleme NumPy funktsioone, eeliseid ja karjäärikasvu. Lisateabe saamiseks võite vaadata ka järgmisi artikleid -
- Mis on C?
- Mis on QlikView?
- Mis on Apache Flink?
- Mis on Houdini?
- Pythoni nimekirja mõistmine
- Erinevad NumPy andmetüübid koos näidetega