Uvod v NumPy
NumPy je odprtokodni paket pythona. Uporablja se lahko za znanstveno in numerično računanje. Večinoma se uporablja za učinkovitejše izračunavanje nizov. Temelji in piše v C in Python-u. To je paket python in beseda Numpy pomeni Numerical Python. Uporablja se predvsem za obdelavo homogenega večdimenzionalnega niza. Je jedrna knjižnica za znanstvene izračune. Zato ima močne večdimenzionalne matrične predmete in integrirajoča orodja, ki so uporabna pri delu s temi nizi. Pomembno je pri skoraj vsakem znanstvenem programiranju pythona, ki vključuje strojno učenje, statistiko, bioinformatiko itd. Zagotavlja nekaj resnično dobrih funkcionalnosti, ki so zelo dobro napisane in delujejo učinkovito. Večinoma je osredotočen na izvajanje matematičnih operacij na sosednjih nizih, podobno kot matrike, ki jih imate v jezikih nižje stopnje, kot je C. Z drugimi besedami, uporablja se pri manipulaciji s številčnimi podatki. Zaradi tega se lahko python uporablja kot alternativa MATLAB.
Razumevanje Numpy
Ena najbolj priljubljenih knjižnic Pythona je Numpy. Tehnologije podatkovne znanosti potrebujejo delo na nizih in matrikah velikih velikosti, za pridobivanje koristnih informacij pa je treba izvesti težje numerične izračune, kar olajša zbiranje različnih matematičnih funkcij pod NumPy. To je osnovno Kljub temu je pomembna knjižnica za večino znanstvenega računalništva v Pythonu, tudi nekatere druge knjižnice so odvisne od NumPy matrike kot njihovih osnovnih vhodov in izhodov. Ponuja tudi funkcije, ki razvijalcem omogočajo izvajanje osnovnih in naprednih matematičnih in statističnih funkcij na večdimenzionalnih nizih in matrikah z zelo manjšim številom vrstic kode. 'ndarray' ali n-dimenzionalna struktura podatkovnih nizov je glavna funkcionalnost Numpy-ja. Ti nizi so homogeni in vsi elementi matrike morajo biti iste vrste.
NumPy nizi so hitrejši v primerjavi s seznami Python. Seznami pythonov so bolj prilagodljivi od nizij, ker lahko v vsak stolpec shranite isto vrsto podatkov.
Lastnosti -
- Je kombinacija C in pytona
- Večdimenzionalni homogeni nizi. Ndarray, ki so nidimenzionalni niz
- Različne funkcije za matrike.
- Preoblikovanje nizov Python se lahko uporabi kot alternativa MATLAB.
Kako numump olajša delo?
Lahko preprosto ustvarite homogene nizi in izvajate različne operacije na njem,
- Uvozite ga z naslednjim ukazom, uvozite numpy kot numpy.
NumPy n-dimenzijski niz
Ena najpomembnejših lastnosti Numpy je n-dimenzionalni niz, ki je nd-matrika. Število dimenzij matrike ni nič drugega kot uvrstitev matrike. Tu je nekaj primerov. arrA = numpy.array ((10.20, 30))
Ustvarjanje ničelnega niza -
Naslednja vrstica ustvari matriko,
arrA = numpy.arange (3)
To je tako kot razpon v pythonu. To bo ustvarilo niz velikosti 3.
Nekaj osnovnih funkcij, ki jih je mogoče uporabiti z numeričnim nizom
Oglejmo si, katere funkcije lahko uporabimo s matriko in njihov namen
Uvoz numpy kot numpy
arrC = numpy.array (((10, 20, 30), (40, 50, 60)))
Oblika arrC. (3, 2)
Izhod: arrayC (((10, 20),
(30, 40), (50, 60)))Funkcija preoblikovanja spremeni število stolpcev in vrstic, tako da po preoblikovanju matrike dobite nov pogled z različnim številom stolpcev in vrstic.
Nekaj matematičnih funkcij v Numpy
Obstajajo matematične funkcije, ki jih je mogoče uporabiti z Numpy nizi. Spodaj je nekaj primerov,
Uvoz numpy kot numpy
arrA = numpy.array (((1, 2, 3), (4, 5, 6)))
arrB = numpy.array (((7, 8, 9), (10, 11, 12)))
numpy.add (arrA, arrB)
Ta funkcija doda matrično arrA in arrB
Izhod:
matrika C (((8, 10, 12), (14, 16, 18)))
Zakaj bi uporabljali?
Zaradi spodnjih treh razlogov namesto seznama uporabljamo matriko python numpy:
- Manjša poraba pomnilnika
- Hitro delovanje
- Priročen za delo
Prvi razlog, da bi raje python numpy matrike, je ta, da v primerjavi s seznamom pythonov potrebuje manj pomnilnika. Nato je hiter v izvedbi in hkrati z njim priročno in enostavno delo.
Kaj lahko storimo z Numpy?
Vgrajena podpora za Arrays ni na voljo v pythonu, vendar lahko sezname python uporabljamo kot matrike.
arrayA = ('Pozdravljeni', 'svet')
natisni (arrayA)
Toda to je še vedno seznam python in ne matrika.
Torej, tukaj je Numpy, ki ga lahko uporabimo za ustvarjanje 2D, 3D, ki je večdimenzionalni niz. Prav tako lahko naredimo izračune na nizih.
uvozi numpy kot num
arr = num.array ((1, 2, 3, 4, 5, 6))
natisni (arr)
Ustvari polje matrike.
Nato za 2D in 3D matrike
uvozi numpy kot num
arr = num.array (((1, 2, 3, 4, 5), (6, 7, 8, 9, 10, 11)))
natisni (arr)
–Če želite vedeti dimenzije svoje matrike, lahko preprosto uporabite naslednjo funkcijo.
tisk (arr.ndim)
- Če želite izvedeti velikost matrike, lahko preprosto uporabite naslednjo funkcijo,
tisk (velikost velikosti)
–Če želite izvedeti obliko matrike, lahko uporabite funkcijsko obliko.
tisk (arr.shape)
Povedal vam bo število (stolpec, vrstice)
Uporabite lahko tudi rezanje, preoblikovanje in številne druge metode z ničelnimi nizi.
Zakaj potrebujemo?
Za izdelavo logičnega in matematičnega izračuna na matriki in matrikah je potreben numpy. Te operacije izvajajo preveč učinkovito in hitreje kot seznami python.
Prednosti
1. Številni nizi zavzamejo manj prostora.
Nizi NyPy so manjši po velikosti od seznamov Python. Seznam pythonov lahko zavzame velikost 20 MB, medtem ko matrika lahko sprejme 4 MB. Nizi so enostavno za branje in pisanje.
2. Tudi hitrostna zmogljivost je odlična. Izvaja hitrejše izračune kot seznami python.
Ker je odprtokoden, ga nič ne stane in uporablja zelo priljubljen programski jezik Python, ki ima visokokakovostne knjižnice za skoraj vsako nalogo. Prav tako je enostavno povezati obstoječo kodo C s tolmačem Python.
Karierna rast
Python je med programskimi jeziki trendna tehnologija na področju IT. Poklicne priložnosti Pythona se po vsem svetu hitro povečujejo. Ker je python programski jezik na visoki ravni, Python skrbi za hitrejšo berljivost kode in jedrnatost z manjšimi vrsticami kode. Python je eno najboljših orodij za ustvarjanje dinamičnih skriptov na velikih in majhnih koncih.
Python se široko uporablja pri spletnem razvoju, pisanju skript, testiranju, razvoju aplikacij in njihovih posodobitvah. Če torej kdo želi biti strokovnjak za Python, ima veliko možnosti za kariero, na primer eden lahko razvijalec python-a, preizkuševalec python-a ali celo podatkovni znanstvenik.
Zaključek:
Kot lahko vidimo, je zelo močan glede na kakovostne funkcije knjižnice, ki jih ima. Vsak lahko izvede velike izračune ali izračune s samo nekaj vrsticami kode. To je tisto, kar je odlično orodje za različne številčne izračune. Če kdo želi postati podatkovni znanstvenik, lahko poskusi obvladati Numpy. Toda najprej se morate naučiti in poznati pythona, preden postanete strokovnjak za Numpy.
Priporočeni članki
To je vodnik o tem, kaj je NumPy. Tukaj razpravljamo o lastnostih, prednostih in karierni rasti podjetja NumPy. Če želite izvedeti več, si oglejte tudi naslednje članke -
- Kaj je C?
- Kaj je QlikView?
- Kaj je Apache Flink?
- Kaj je Houdini?
- Razumevanje seznama Python
- Različne vrste podatkov NumPy s primeri