Визуальное руководство по NumPy

NumPy менее чем за 6 минут

NumPy - это библиотека Python, написанная на C; название NumPy происходит от числового слова Py thon. Предварительно скомпилированные математические функции и функциональные возможности делают NumPy очень эффективным. Специалисты по науке о данных, инженерные сообщества и другие широко используют NumPy.

NumPy - это библиотека Python с открытым исходным кодом, созданная в 2005 году Трэвисом Олифантом. Это одна из самых популярных библиотек, используемых для численных вычислений для эффективной работы с многомерными массивами. Он быстрый и имеет несколько отличных встроенных функций, упрощающих выполнение арифметических операций и манипуляций с массивами.

В этой статье будет использован упрощенный подход, предполагающий, что читатели не имеют предварительных знаний о научных библиотеках Python. В этой статье используется более визуальный подход, чтобы показать основные функции NumPy.

Выбор NumPy вместо списка Python

NumPy предлагает низкое потребление памяти, высокую скорость и обширные списки функций по сравнению с традиционными списками. NumPy может разделять задачи и обрабатывать их параллельно, что делает их очень эффективными. На рисунке показано отношение времени вычисления массива list / NumPy к размеру.

Время вычисления для умножения двух списков Python резко увеличивается с размером списка по сравнению с массивами NumPy. Умножение двух массивов NumPy на 100000 элементов примерно в 40 раз быстрее, чем список Python с тем же количеством элементов. Следовательно, NumPy - лучшее решение для массивов с большим количеством элементов.

Установка NumPy

Если в системе установлен Python, используйте conda или pip для установки NumPy.

conda install numpy
or
pip install numpy

Если в системе не установлен Python, есть несколько способов.

  • Загрузите последнюю версию Python с сайта python.org.
  • Установите Anaconda с сайта anaconda.com, который автоматически установит Python и некоторые важные научные пакеты.

Импорт NumPy

Библиотеку NumPy можно импортировать в скрипт Python, используя следующее:

import numpy

Используйте псевдоним при импорте пакетов в скрипт python. Alias ​​упрощает понимание кода и экономит время. В этой статье псевдонимом NumPy будет np. Теперь оператор импорта выглядит следующим образом:

import numpy as np

как в импорте, используется для создания псевдонима.

Чтобы проверить установленную версию NumPy, используйте следующую инструкцию:

print (np. __version__)

Примечание. Без псевдонима можно проверить версию с помощью print (numpy .__ version__). Использование сокращенных имен для пакетов экономит время на написание кода.

Создание N-мерного массива

В NumPy ndarray - это класс N-мерного массива, представляющий однородный массив элементов фиксированного размера. np.array () используется для создания объекта ndarray.

Заполнители

Если элементы массива известны, используйте метод np.array (). Однако может быть несколько случаев, когда элементы массива неизвестны. В этом случае для создания массива с фиктивными данными используются функции-заполнители.

Атрибуты NumPy

NumPy предоставляет различные атрибуты, которые возвращают информацию, относящуюся к самому массиву. Используйте эти атрибуты для получения или установки свойств массива. Пример двумерного массива 3X3 (три строки и три столбца), созданного с помощью np.ones (3,3). Атрибуты NumPy показаны в этом разделе для получения свойств примера массива.

Операции NumPy

NumPy предлагает простые / поэлементные операции, манипуляции с массивом. Он также имеет некоторые предопределенные широко используемые математические функции. В этом разделе четыре массива (A, B, C и D) используются в качестве примера для демонстрации различных операций NumPy.

Арифметические операции

NumPy упрощает выполнение поэлементных операций. На рисунке ниже показаны основные арифметические операции.

Эти операции также могут использоваться в многомерном массиве.

Математические функции

NumPy предлагает математические функции, которые очень эффективны для вычислений в массиве без циклов записи.

Эти математические функции также могут использоваться в многомерном массиве.

Индекс и подмножество массива

Индексы в массивах NumPy начинаются с 0. Первый элемент в массиве NumPy имеет индекс 0, а последний элемент имеет индекс, равный длине массива -1. Для доступа к элементам из массива NumPy используется порядковый номер.

Индексирование и нарезка в двумерном массиве.

Изменение формы массива

NumPy предоставляет функцию .reshape (). Используйте этот метод для добавления или удаления размеров или изменения формы массива. Этот метод использует информацию об оси для создания нового массива. Однако изменение формы возможно только в том случае, если количество элементов в существующем массиве равно форме преобразованного массива.

Присоединиться

Элементы двух или более массивов можно объединить в один массив с помощью .concatenate () или stack (). В Numpy функция конкатенации объединяет массив по оси.

Существует еще одна функция array_split (), которая разбивает один массив на несколько массивов.

Поиск

NumPy предлагает методы поиска элементов по условию. Этот метод возвращает массив индексов, удовлетворяющих условию поиска.

Сохранить и загрузить

Используйте метод np.save () для сохранения и метод np.load () для загрузки массивов numpy.

Поздравления !!! Вы сертифицированный ниндзя NumPy

Надеюсь, вам понравилась эта статья. Любые вопросы? Пожалуйста, напишите мне в LinkedIn или Twitter.

По этой ссылке на Github вы найдете все ресурсы, использованные для этой статьи. На создание этих изображений ушло много времени, и я буду рад, если вы обратитесь ко мне в случае использования изображений в этой статье.

Ура!

Рахул