Úvod do NumPy
NumPy je open-source balík pythonu. Môže sa použiť na vedecké a numerické výpočty. Väčšinou sa používa na efektívnejšie výpočty polí. Je založený a napísaný v jazyku C a Python. Je to balík python a slovo Numpy znamená Numerical Python. Používa sa hlavne na spracovanie homogénneho viacrozmerného poľa. Je to základná knižnica pre vedecké výpočty. Preto má výkonné viacrozmerné objekty poľa a integračné nástroje, ktoré sú užitočné pri práci s týmito poliami. Je to dôležité takmer v každom vedeckom programovaní v pythone, ktoré zahŕňa strojové učenie, štatistiku, bioinformatiku atď. Poskytuje niektoré skutočne dobré funkcie, ktoré sú veľmi dobre napísané a fungujú efektívne. Väčšinou sa zameriava na vykonávanie matematických operácií na súvislých poliach, podobne ako na poliach, ktoré máte v jazykoch nižšej úrovne, ako je C. Inými slovami, používa sa pri manipulácii s číselnými údajmi. Z tohto dôvodu sa python môže používať ako alternatíva k MATLABu.
Pochopenie Numpy
Jednou z najpoužívanejších knižníc v Pythone je Numpy. Techniky Data Science si vyžadujú prácu na poliach a maticiach veľkých rozmerov a na získanie užitočných informácií z nej je potrebné vykonať ťažké numerické výpočty, čo sa zjednodušuje zbieraním rôznych matematických funkcií v rámci NumPy.Je to základné zatiaľ čo dôležitá knižnica pre väčšinu vedeckých výpočtov v Pythone, tiež niektoré ďalšie knižnice sú závislé od polí NumPy ako ich základných vstupov a výstupov. Poskytuje tiež funkcie, ktoré vývojárom umožňujú vykonávať základné aj pokročilé matematické a štatistické funkcie na viacrozmerných poliach a maticiach s veľmi menším počtom riadkov kódu. „ndarray“ alebo n-dimenzionálna dátová štruktúra poľa je hlavnou funkciou Numpy. Tieto polia sú homogénne a všetky prvky poľa musia byť rovnakého typu.
Polia NumPy sú v porovnaní so zoznamami Python rýchlejšie. Zoznamy pythonu sú však flexibilnejšie ako početné polia, pretože v každom stĺpci môžete uložiť iba rovnaký typ údajov.
Vlastnosti -
- Je to kombinácia C a pythonu
- Viacrozmerné homogénne polia. Ndarray, ktoré sú rozmerným poľom
- Rôzne funkcie pre polia.
- Zmena tvaru polí Python sa môže použiť ako alternatíva k MATLABu.
Ako numpy uľahčuje prácu?
Môžete ľahko vytvárať homogénne polia a vykonávať rôzne operácie, ako napríklad:
- Ak ho importujete pomocou nasledujúceho príkazu, importujte numpy ako numpy.
NumPy n-dimentional array
Jednou z najdôležitejších vlastností Numpy je n-rozmerné pole, ktoré je nd-array. Počet dimenzií poľa nie je nič iné ako poradie polí. Tu je niekoľko príkladov. ARRA = numpy.array ((10, 20, 30))
Vytvorenie numpy array-
Nasledujúci riadok vytvorí pole,
ARRA = numpy.arange (3)
Je to ako rozsah v pythone. Takto sa vytvorí pole veľkosti 3.
Niektoré základné funkcie, ktoré je možné použiť s numpy poľom
Pozrime sa, aké funkcie môžeme použiť s radom a ich účelom
Importovať numpy ako numpy
ARRCO = numpy.array (((10, 20, 30), (40, 50, 60)))
arrC.reshape (3, 2)
Výstup: pole C ((10, 20),
(30, 40), (50, 60)))Funkcia Zmena tvaru zmení počet stĺpcov a riadkov, takže po zmene tvaru získa pole nové zobrazenie s rôznym počtom stĺpcov a riadkov.
Niektoré matematické funkcie v Numpy
Existujú matematické funkcie, ktoré sa dajú použiť v poliach Numpy. Nižšie uvádzame niekoľko príkladov,
Importovať numpy ako numpy
ARRA = numpy.array (((1, 2, 3), (4, 5, 6)))
ARRB = numpy.array (((7, 8, 9), (10, 11, 12)))
numpy.add (ARRA, ARRB)
Táto funkcia pridá pole arrA a arrB
Výkon:
arrayC (((8, 10, 12), (14, 16, 18)))
Prečo by sme mali používať?
Namiesto zoznamu používame python numpy array z nasledujúcich dôvodov:
- Menšie využitie pamäte
- Rýchly výkon
- Pohodlné pracovať
Prvým dôvodom, prečo sa uprednostňujú pythonové numpy polia, je to, že v porovnaní so zoznamom pythónov vyžaduje menej pamäte. Potom je rýchla, pokiaľ ide o vykonanie, a zároveň s ňou je pohodlné a ľahké s ňou pracovať.
Čo môžeme robiť s Numpy?
V pythone nie je k dispozícii zabudovaná podpora pre polia, ale ako polia môžeme použiť zoznamy pythonov.
arrayA = ('Ahoj', 'svet')
print (Arraya)
Ale stále je to zoznam pythónov, nie pole.
Takže tu prichádza Numpy, ktorú môžeme použiť na vytvorenie 2D, 3D, ktoré sú multidimenzionálnymi poliami. Môžeme tiež robiť výpočty na poliach.
import numpy ako num
arr = num.array ((1, 2, 3, 4, 5, 6))
print (ARR)
Vytvorí príchod poľa.
Potom pre 2D a 3D polia
import numpy ako num
arr = num.array (((1, 2, 3, 4, 5), (6, 7, 8, 9, 10, 11)))
print (ARR)
- Ak chcete poznať rozmery svojho poľa, môžete jednoducho použiť nasledujúcu funkciu.
print (arr.ndim)
- Ak chcete zistiť veľkosť poľa, môžete jednoducho použiť nasledujúcu funkciu,
print (arr.size)
- Na zistenie tvaru poľa môžete použiť funkciu tvarovania.
print (arr.shape)
To vám povie počet (stĺpec, riadky)
S úhľadnými poliami môžete použiť aj krájanie, pretvarovanie a mnoho ďalších metód.
Prečo potrebujeme?
Na uskutočnenie logického a matematického výpočtu na poli a maticiach je nutná numpy. Vykonáva tieto operácie príliš efektívne a rýchlejšie ako zoznamy pythonov.
výhody
1. Numpy polia zaberajú menej miesta.
Polia NumPy majú menšiu veľkosť ako zoznamy Python. Zoznam pythonov môže mať veľkosť až 20 MB, zatiaľ čo pole môže trvať 4 MB. Polia sú tiež ľahko prístupné na čítanie a zápis.
2. Rýchlostný výkon je tiež skvelý. Vykonáva rýchlejšie výpočty ako zoznamy pythonov.
Keďže ide o open-source, nestojí to nič a používa veľmi populárny programovací jazyk Python, ktorý má vysoko kvalitné knižnice pre takmer každú úlohu. Je tiež ľahké pripojiť existujúci kód C k tlmočníkovi Python.
Rast kariéry
Medzi programovacími jazykmi je Python trendovou technológiou v oblasti IT. Počet pracovných príležitostí v Pythone na celom svete rýchlo rastie. Pretože python je programovací jazyk vysokej úrovne, Python sa stará o rýchlejšiu čitateľnosť a stručnosť kódu s menšími riadkami kódu. Python je jedným z najlepších nástrojov na vytváranie dynamických skriptov vo veľkom aj malom rozsahu.
Python je široko používaný pri vývoji webových aplikácií, písaní skriptov, testovaní, vývoji aplikácií a ich aktualizáciách. Takže ak chce niekto byť odborníkom v Pythone, má veľa možností kariéry, ako napríklad vývojár Pythonu, tester pythonu alebo dokonca vedec údajov.
záver:
Teraz, ako vidíme, je to skutočne silné, pokiaľ ide o vysoko kvalitné knižničné funkcie, ktoré má. Ktokoľvek môže vykonávať veľké výpočty alebo výpočty len s niekoľkými riadkami kódu. To z neho robí skvelý nástroj pre rôzne numerické výpočty. Ak sa niekto chce stať vedeckým pracovníkom v oblasti údajov, môže sa pokúsiť osvojiť si v Numpy. Najprv sa však musíte naučiť a poznať python skôr, ako sa stanete expertom na Numpy.
Odporúčané články
Toto bola príručka Čo je NumPy. Tu diskutujeme o vlastnostiach, výhodách a kariérnom raste NumPy. Ďalšie informácie nájdete aj v nasledujúcich článkoch -
- Čo je C?
- Čo je QlikView?
- Čo je to Apache Flink?
- Čo je liek Houdini?
- Porozumenie zoznamu Python
- Rôzne typy údajov NumPy s príkladmi