از پایتون تا NumPy

دوره آموزش پایتون

Numeric Python یا به اختصار Numpy، یک کتابخانه ی پایتونی برای محاسبه و پردازش روی عناصر آرایه های تک بعدی و چند بعدی است. این کتابخانه در سال 2005 توسط تراویس اولیفانت طراحی و توسعه یافت. NumPy با ارائه ی توابع متنوع قابلیت انجام محاسبات عددی با سرعت بالا را نیز دارا بوده و همچنین ساختار داده ای فوق العاده ی آن توان پیاده سازی انواع آرایه ها، ماتریس های چند بعدی و بهینه سازی محاسبات مرتبط با آن ها را دارد.

چرا NumPy ؟

NumPyروشی مناسب و کارآمد را برای مدیریت حجم عظیمی از داده‌ها فراهم می‌کند. همچنین NumPy برای ضرب ماتریسی و تغییر شکل داده ها بسیار توانایی بالا دارد. سرعت بسیار بالای این کتابخانه نیز، امکان کار با مجموعه‌های بزرگی از داده ها را آسان می‌سازد.

مزایای استفاده از NumPy برای تجزیه و تحلیل داده ها به شرح زیر است:

• محاسبات علمی را به آسانی انجام می‌دهد.
• در پیاده سازی آرایه‌های چند بعدی بسیار کارآمد است.
• NumPy محاسبات را مبتنی بر آرایه انجام می‌دهد. ( آرایه محور )
• NumPy توابع داخلی بسیاری را برای جبر خطی و تولید اعداد تصادفی ارائه می‌دهد.
• قابلیت انجام تبدیل فوریه و تغییر شکل داده‌های ذخیره‌شده در آرایه‌های چند بعدی را دارد.

تابحال تعداد قابل توجهی کتاب در مورد NumPy منتشر شده است و یک سوال معقول این است که آیا واقعاً نیاز به یک کتاب دیگر وجود دارد یا خیر؟ پاسخ در بیشتر موارد یک چیز است

"بله"

برای مهاجرت از پایتون به NumPy بسیاری از تکنیک‌ها ویژگی‌هایی دارند که در کتاب‌هایی که تا به امروز منتشر شده اند، پیدا نمی‌شوند و اغلب این تکنیک‌ها از طریق تجربه یاد گرفته می‌شوند. هدف این کتاب توضیح برخی از این تکنیک‌ها و ایجاد فرصتی برای کسب تجربه در این فرآیند است.