Numpy лежит в основе многих библиотек, с которыми нам предстоит работать. Например, Pandas построен на базе библиотеки numpy, которая реализует ряд математических функций, алгебраических структур данных, таких как векторы и матрицы и операции над ними. Конечно numpy используется и напрямую без Pandas. Посмотрим на основные её возможности.
Базовые возвожности библиотеки
Numpy массивы, они же векторы и матрицы.
Также в NumPy реализованы разные функции
К слову тип распределения - нормальное или равномерное - определяет вероятности выпадения того или иного случайного значения. Например, равномерное распределение вероятностей говорит о том, что в диапазоне в рамках, которого мы генерируем числа (от нуля до единицы в нашем случае) мы будем получать все числа диапазона с одинаковой вероятностью. Нормальное распределение - немного сложнее. Его еще называют распределением Гаусса. Вероятность появления определенного числа определяется функцией Гаусса.
ipython notebook поддерживает ряд вспомогательных инструкций, которые называются magic операторами, например %md для того, чтобы отформатировать ячейку ноутбука используя markdown разметку.
Сегодня мы воспользуемся другим magic оператором - %timeit - встроенным замерщиком времени выполнения функции. При этом он как положено выполняет код несколько раз и выводит простейшую статистику.
Например, в numpy реализованы свои генераторы списков. В отличие от встроенного в стандартную библиотеку Python xrange, np.arange позволяет задать шаг с плавающей запятой. Давайте сравним время работы этих функций: