منوهای نصب در پنل مدیریت

  • ورود
  • سبد خرید شما خالی است.

کتابخانه numpy

بازدیدها: 10

زبان پایتون از عملیات پایه ی مورد نیاز برای برنامه نویسی های علمی و ریاضی تنها اعمال ساده ی ریاضی و صرفا روی یک متغیر را به صورت پیش فرض پشتیبانی می کند و عملیات پیشرفته تر مانند اعمال روی آرایه ها و ماتریس ها، معادلات دیفرانسیلی، آمار و… در هسته ی برنامه تعریف نشده است. برای انجام عملیات عددی پیشرفته تر کتابخانه numpy  کتابخانه توانمند پابتون است که اهداف محاسباتی پیچیده تر را ساده می کند.

نصب و راه اندازی

منبع اصلی این کتابخانه را در دو سایت  githab و www.scipy.org میتوانید پیدا کنید. در توزیع پایتون آناکوندا نیز معمولا این کتابخانه به صورت الحاق به برنامه وجود داشته و همراه با آن نصب است در نتیجه نیاز به نصب مجدد آن ندارید.

برای نصب آن با استفاده از pip نیز لازم است دستور زیر را استفاده کنید

Pip install numpy

از مهمترین ویژگی های کتابخانه ی numpy فراهم آوردن داده ساختار انبارش داده به نام ndarray است. در پایتون ساختمان داده های پویا و مناسبی مانند لیست و دیکشنری وجود دارد اما عملیات بر روی این ساختمان داده ها نیازمند استفاده از حلقه بر روی شی مورد نظر است اما عملیات بر روی آرایه ها اینچنین نیست و از سربار حافظه ی مورد استفاده در روش قبل جلوگیری می کند.

مفاهیم اولیه و استفاده از numpy

با استفاده از کد زیر می توانید یک آرایه را ایجاد کنید( در واقع یک لیست را به نوع آرایه تبدیل می کنید)

Import numpy as np

My_array=np.array([2,4,6,8])

با استفاده از کد بالا کتابخانه numpy را با نام کوتاه تر np می شناسیم و در ادامه از این نام استفاده می کنیم

در خط بعد نیز آرایه ما ساخته شده است.

با استفاده از همین دستور شما می توانید آرایه های چند بعدی نیز بسازید:

My_array2=np.array([0,1][2,3][4,5]])

دسترسی به عناصر ارایه ها در numpy به صورت یک لیست چندتایی انجام می گیرد. برای مثال با نوشتن My_array2[0,0] دسترسی به مقدار سطر اول و ستون اول امکان پذیر است( اندیس ها مانند لیست از صفر می باشند).

برای ساختن ماتریس با مقدار اولیه صفر از np.zeros  و مقدار اولیه یک از np.ones  و استفاده می شود.

انجام عملیات محاسباتی در numpy و ارایه های آن به صورت مستقیم و با عملگر ها انجام می گیرد

به مثال زیر توجه کنید:

Import numpy as np

Arr1=np.ones(6)
Arr2= np.arange(6)
Res=Arr1+Arr2
print(“Arr1 is “,Arr1)
print(“Arr2 is “,Arr2)
print(“Res is “,Res)

با این کد ابتدا ارایه ای از یک ها به طول 6 و سپس ارایه ای با مقادیر 0-5 به سایز 6 ساخته می شود.سپس مقادیر دو ارایه نظیر به نظیر با هم جمع می شود.دقت کنید برای انجام عملیات روی دو آرایه سایز آن ها باید یکسان باشد

خروجی کد بالا به صورت زیر است:

Arr1 is  [1. 1. 1. 1. 1. 1.]

Arr2 is  [0 1 2 3 4 5]

Res is  [1. 2. 3. 4. 5. 6.]

دسامبر 24, 2019

۰ پاسخ به "کتابخانه numpy"

ارسال یک پیام

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

X