NumPy - библиотека Python, которая используется для выполнения вычислений и анализа данных. Она предоставляет объект многомерного массива, а также его разновидности, такие как маски и матрицы, которые можно использовать для различных математических операций.
NumPy построен на линейной алгебре, и его суть заключается в работе с матрицами и векторами и выполнении математических вычислений над ними.
NumPy очень быстр, поскольку написан на языке программирования C, и он становится все более популярным и используется в ряде коммерческих систем.
NumPy предоставляет мощную структуру данных под названием n-мерный массив, которая является фундаментом, на котором построена почти вся мощь инструментария Python для работы с данными.
Массивы NumPy можно использовать для выполнения различных математических операций, таких как сложение, вычитание, умножение и деление.
NumPy также предоставляет различные функции, которые можно использовать для анализа данных, например, для вычисления среднего значения, стандартного отклонения и дисперсии массива NumPy.
Начало работы с NumPy
Установка
NumPy можно установить с помощью pip, программы установки пакетов для Python. Откройте командную строку и введите следующую команду:
pip install numpy
Импорт
После установки NumPy его можно импортировать в программу на Python с помощью следующей команды:
import numpy as np
Создание массива
Чтобы создать массив в NumPy, вы можете использовать функцию np.array(). Эта функция принимает в качестве аргумента список или кортеж и возвращает массив NumPy. Ниже описаны шаги по созданию массива в NumPy:
Создайте массив
Для создания массива можно использовать функцию np.array(). Например, чтобы создать одномерный массив целых чисел, используйте следующий код:
a = np.array([1, 2, 3, 4, 5])
Чтобы создать двумерный массив:
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
Вы также можете создать массив нулей или единиц с помощью функций np.zeros() или np.ones(). Например, чтобы создать одномерный массив нулей:
zeros = np.zeros(5)
Создать двумерный массив единиц:
ones = np.ones((3, 3))
Функции np.zeros() и np.ones() принимают в качестве аргумента форму массива.
Укажите тип данных
По умолчанию NumPy создает массивы типа float64. Вы можете указать другой тип данных с помощью параметра dtype. Например, чтобы создать одномерный массив целых чисел, воспользуйтесь следующим примером:
e = np.array([1, 2, 3, 4, 5], dtype=int)
Чтобы создать двумерный массив комплексных чисел, выполните следующую команду:
f = np.array([[1+2j, 2+3j], [3+4j, 4+5j]], dtype=complex)
Основные операции с массивами в NumPy
Массивы NumPy можно использовать для выполнения различных математических операций, таких как сложение, вычитание, умножение и деление.
Эти операции выполняются над массивами поэлементно. NumPy также предоставляет различные функции для выполнения математических операций над массивами, такие как np.sum(), np.mean(), np.std() и np.max().
Вот несколько примеров основных операций с массивами в NumPy:
Визуализация данных
NumPy предоставляет различные функции для выполнения математических операций над массивами, но не предоставляет встроенных функций для построения графиков и визуализации данных. Для построения графиков и визуализации данных в NumPy обычно используется библиотека Matplotlib.
Matplotlib также можно использовать в сочетании с другими библиотеками, такими как Pandas и Seaborn, для создания более сложных визуализаций.
Линейный График
Вот пример создания линейного графика с помощью Matplotlib:
Синусоида
В этом примере мы создали два массива для вычисления синусоиды: один более точный, с шагом в 0.1, и второй - с шагом в 1.0. Используя plt.plot два раза, мы смогли нанести обе эти синусоиды на один график.
В следующих частях мы рассмотрим более сложные операции над массивами, а также работу numpy и pandas в тандеме.
🎉✨ Поздравляю с завершением чтения статьи
Если Вам понравилось, можете подписаться, оставить комментарий и поставить лайк.
Также, можете взглянуть на некоторые из моих других публикаций, чтобы найти еще больше отличного контента 🔥: