Продолжим обзор библиотек для работы с данными в Python NumPy. NumPy - это библиотека для работы с массивами и матрицами в Python. Она предоставляет мощные инструменты для работы с числовыми данными, включая быстрые операции над массивами, матричные операции, функции линейной алгебры и многое другое. В этом посте я расскажу о некоторых основных функциях NumPy и покажу, как использовать их для работы с данными. Создание массивов Одной из первых задач при работе с данными является создание массивов. NumPy предоставляет функции для создания массивов различных форм и размеров. Например, чтобы создать одномерный массив из списка чисел, мы можем использовать функцию array: python import numpy as np arr = np.array([1, 2, 3, 4, 5]) Эта функция создает объект ndarray, который представляет собой одномерный массив. Операции над массивами Часто нам нужно производить быстрые операции над массивами, такие как сложение, вычитание, умножение и деление. NumPy предоставляет эффективные функции для выполнения этих операций. Например, чтобы сложить два массива, мы можем использовать функцию add: python import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) result = np.add(arr1, arr2) Эта функция создает новый массив, который содержит сумму элементов двух исходных массивов. Функции линейной алгебры Другой важной задачей при работе с данными является выполнение операций линейной алгебры, таких как умножение матриц и вычисление определителей. NumPy предоставляет функции для выполнения этих операций. Например, чтобы умножить две матрицы, мы можем использовать функцию dot: python import numpy as np matrix1 = np.array([[1, 2], [3, 4]]) matrix2 = np.array([[5, 6], [7, 8]]) result = np.dot(matrix1, matrix2) Эта функция создает новую матрицу, которая является результатом умножения двух исходных матриц. Статистические функции Иногда нам нужно вычислять различные статистические показатели для наших данных, такие как среднее значение, медиана и стандартное отклонение. NumPy предоставляет функции для выполнения этих операций. Например, чтобы вычислить среднее значение для массива, мы можем использовать функцию mean: python import numpy as np arr = np.array([1, 2, 3, 4, 5]) result = np.mean(arr) Эта функция возвращает среднее значение элементов массива. В заключение NumPy - это мощная библиотека для работы с массивами и матрицами в Python. В этом посте я рассказал о некоторых основных функциях NumPy, включая создание массивов, операции над массивами, функции линейной алгебры и статистические функции. Надеюсь, эти примеры помогут вам начать работу с NumPy и использовать его для работы с данными в Python. Удачи!