Working with data

Недавно я публиковал статью о библиотеке NumPy, там были рассмотрены основные методы этого модуля. Numpy - это пакет для Python, который предоставляет высокую производительность и эффективность при работе с массивами и математическими операциями , по сравнению с обычными списками Python. Давайте рассмотрим пример для наглядности. Предположим, что у нас есть два массива a и b с одинаковыми размерами, содержащие числа. Мы хотим выполнить покомпонентное сложение этих массивов и замерить время выполнения операции. На фотографиях представлены результаты использования обычных массивов Python и массивов NumPy, первое и второе фото соответственно. Напомню, что основная единица измерения модуля time - cекунда. Проведя не сложное вычисление, мы можем сказать, что NumPy в 23 раза быстрее выполнил операцию сложения двух массивов. Понятно, что этот результат приблизительный, так как, выполняя различные операции при помощи нашей библиотеки , их время выполнения каждый раз будет меняться, но это не отменяет того факта, что NumPy в работе с массивами намного мощнее, чем простые базовые операции в Python. Если вы работаете с массивами и математическими операциями, не забывайте, что существует такой инструмент как NumPy!

Недавно я публиковал статью о библиотеке matplotlib, там были рассмотрены самые часто используемые виды графиков и диаграмм для визуализации данных. Все они были в привычном для нас формате 2D, но мало кто знает, что можно представлять информацию и в трехмерной графике (к слову, это можно легко реализовать в том же самом matplotlib) . 3D графики являются ключевым инструментом в таких областях как геология, астрономия, молекулярная биология и многих других. Они позволяют увидеть глубину и структуру данных, помогая визуализировать сложные взаимосвязи и сделать более точные выводы. Кроме этого в трёхмерном пространстве данные как будто оживают перед нашими глазами, становятся необычайно красивыми. Только взгляните на эти графики: