Python NumPy Tutorial: Lernen Sie Python Numpy mit Beispielen

Wenn Sie sich seit einiger Zeit mit Python beschäftigen, müssen Sie auf NumPy gestoßen sein. Und Sie müssen sich gefragt haben, was es ist und warum es so wichtig ist. In diesem Python Numpy-Tutorial lernen Sie dasselbe kennen. Sie lernen NumPy sowie NumPy-Arrays und ihre Funktionen kennen.

Die Beherrschung von Python ist für moderne Programmierer unerlässlich. Und dieses Python NumPy-Tutorial hilft Ihnen dabei, Python besser zu verstehen. Sie ist ziemlich detailliert, daher empfehlen wir, diese Seite zu Ihren Lesezeichen hinzuzufügen, um später darauf zurückgreifen zu können.

Lernen Sie Data-Science-Online-Kurse von den besten Universitäten der Welt kennen. Verdienen Sie Executive PG-Programme, Advanced Certificate-Programme oder Master-Programme, um Ihre Karriere zu beschleunigen.

Was ist Python NumPy?

NumPy steht für „Numerische Python“. Wie Sie vermutet haben, konzentriert es sich auf numerische Operationen und Berechnungen. Numpy ist ein Python-Paket und die Hauptbibliothek für wissenschaftliche Berechnungen. Es verfügt über n-dimensionale Array-Objekte und Tools zur Integration anderer dominanter Sprachen wie C. Sie können das NumPy-Array als enormen mehrdimensionalen Container für Daten verwenden.

Was ist ein NumPy-Array?

Das NumPy-Array ist ein fantastisches n-dimensionales Array-Objekt. Es hat Zeilen und Spalten, und Sie können es verwenden, um auf die Elemente einer Python-Liste zuzugreifen. Es gibt viele Operationen, die Sie auf einem NumPy-Array ausführen können. Wir haben sie später in diesem Artikel besprochen, aber vorher müssen Sie verstehen, wie Sie NumPy in Ihrem System installieren. Ohne die Installation können Sie es nicht verwenden.

Wie installiere ich NumPy?

Sie müssen zur Eingabeaufforderung gehen und „pip install numpy“ eingeben, um Python NumPy zu installieren. Nachdem die Installation abgeschlossen ist, müssen Sie zur IDE gehen und numpy über „import numpy as np“ importieren. Und so installieren Sie Numpy auf Ihrem System.

Sie können Arrays in NumPy einfach durch den folgenden Code erstellen:

1 importiere numpy als np

2 a=np.array([1,2,3])

3 Druck(a)

Die Ausgabe des obigen Codes – [1 2 3]

Der obige Code würde Ihnen ein eindimensionales Array geben. Wenn Sie ein mehrdimensionales Array erstellen möchten, müssen Sie etwas Ähnliches wie im folgenden Beispiel schreiben:

1 a=np.array([(1,2,3),(4,5,6)])

2 Druck(a)

Die Ausgabe des obigen Codes – [[ 1 2 3]

[4 5 6]]

Weiterlesen: 25 spannende Python-Projektideen und -themen für Anfänger

Operationen in NumPy

Python NumPy hat viele Operationen. Sie alle erfüllen bestimmte Funktionen. Hier sind diese Funktionen mit einer kurzen Beschreibung:

Artikelgröße:

Mit Hilfe dieser Funktion können Sie die Bytegröße der Elemente Ihres Arrays ermitteln. Schauen Sie sich das folgende Beispiel an:

1 importiere numpy als np

2 a = np.array([(1,2,3)])

3 Druck (a.itemsize)

Die Ausgabe des obigen Codes – 4

ndim:

Die ndim-Funktion hilft Ihnen, die Dimension des Arrays zu finden. Sie sollten wissen, dass Sie eindimensionale, zweidimensionale und dreidimensionale Arrays haben können. Hier ist ein Beispiel für diese Funktion:

1 importiere numpy als np

2 a = np.array([(1,2,3),(4,5,6)])

3 Druck(a.ndim)

Die Ausgabe des obigen Codes – 2

umformen:

Mit Hilfe der Reshape-Operation können Sie die Anzahl der Zeilen und Spalten in einem Array ändern. Angenommen, das eine Array hat drei Spalten und zwei Zeilen. Durch Umformen können Sie sie in 2 Spalten und drei Zeilen ändern. Sehen Sie es anhand des folgenden Beispiels in Aktion:

1 importiere numpy als np

2 a = np.array([(8,9,10),(11,12,13)])

3 Druck(a)

4 a=a.reshape(3,2)

5 Druck(a)

Ausgabe des obigen Codes – [[ 8 9 10] [11 12 13]] [[ 8 9] [10 11] [12 13]]

schneiden:

Mithilfe der Slicing-Operation können Sie einen bestimmten Satz von Elementen aus dem erforderlichen Array extrahieren. Mit anderen Worten, Sie können das Array „slicen“ und einen Teil davon erhalten. Angenommen, Sie haben ein Array und möchten ein bestimmtes Element daraus extrahieren, gehen Sie folgendermaßen vor:

1 importiere numpy als np

2 a=np.array([(1,2,3,4),(3,4,5,6)])

3 print(a[0,2])

Die Ausgabe des obigen Codes – 3

Im obigen Beispiel war der Index des ersten Arrays 0 und für das zweite 1. Der Code sagt also, dass er das zweite Element des ersten Arrays (das den Index 0 hat) drucken soll. Angenommen, Sie benötigen das zweite Element aus dem ersten und dem nullten Index des Arrays. Dann würden wir folgenden Code verwenden:

1 importiere numpy als np

2 a=np.array([(1,2,3,4),(3,4,5,6)])

3 print(a[0:,2])

Die Ausgabe des obigen Codes – [3 5]

Lesen Sie auch: Gehalt für Python-Entwickler in Indien

Typ:

Mit der Funktion dtype haben Sie die Möglichkeit, den Datentyp der Elemente eines Arrays zu ermitteln. Sie gibt Ihnen den Datentyp und die Größe der benötigten Komponente an. Schauen Sie sich das folgende Beispiel an, um zu sehen, wie es funktioniert:

1 importiere numpy als np

2 a = np.array([(1,2,3)])

3 Druck (a.dtype)

Die Ausgabe des obigen Codes – int32

Sie können auch die Funktionen „Form“ und „Größe“ verwenden, um die Form und Größe des Arrays zu ermitteln. Schauen Sie sich dieses Beispiel unseres Python NumPy-Tutorials an, um diese Funktionen richtig zu verstehen:

1 importiere numpy als np

2 a = np.array([(1,2,3,4,5,6)])

3 Druck (a.size)

4 Druck (a.Form)

Die Ausgabe des obigen Codes – 6 (1,6)

Linspace :

Mit Hilfe der Linspace-Operation können Sie gleichmäßig verteilte Zahlen gemäß Ihrem angegebenen Intervall erhalten. Die linspace-Funktion hat ihre Verwendung, und hier ist ein Beispiel dafür, wie Sie sie verwenden können:

1 importiere numpy als np

2 a=np.linspace(1,3,10)

3 Druck(a)

Ausgabe des obigen Codes – [ 1. 1.22222222 1.44444444 1.66666667 1.88888889 2.11111111 2.33333333 2.55555556 2.77777778 3. ]

Quadratwurzel und Standardabweichung

Python NumPy ermöglicht es Ihnen, verschiedene mathematische Operationen durchzuführen. Und eine dieser Operationen ist das Ableiten der Quadratwurzel des erforderlichen Arrays. Sie können auch die Standardabweichung Ihres NumPy-Arrays erhalten. Hier ist ein detailliertes Beispiel, das Ihnen dabei helfen soll:

1 importiere numpy als np

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

3 print(np.sqrt(a))

4 print(np.std(a))

Die Ausgabe des obigen Codes – [[ 1. 1.41421356 1.73205081]

[ 1.73205081 2. 2.23606798]]

1.29099444874

Max Min

Sie können das Maximum, Minimum und die Summe eines Arrays auch durch die spezifischen Operationen finden. Das Finden des Maximums und des Minimums kann Ihnen bei der Durchführung komplexer Operationen sehr helfen. So finden Sie das Maximum, Minimum und die Summe des Arrays, das Sie haben:

1 importiere numpy als np

2 a= np.array([1,2,3])

3 print(a.min())

4 Druck(a.max())

5 print(a.sum())

Die Ausgabe des obigen Codes – 1 3 6

Horizontales und vertikales Stapeln

Möglicherweise möchten Sie zwei Arrays kombinieren, aber nicht hinzufügen, dh Sie möchten sie möglicherweise nur verketten. Zu diesem Zweck können Sie sie entweder vertikal oder horizontal stapeln. Hier ist der Beispielcode dafür:

1 importiere numpy als np

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

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

4 print(np.vstack((x,y)))

5 print(np.hstack((x,y)))

Ausgabe des obigen Codes – [[1 2 3] [3 4 5] [1 2 3] [3 4 5]]

[[1 2 3 1 2 3] [3 4 5 3 4 5]]

Lesen Sie mehr: Operatoren in Python: A Beginner's Guide to Arithmetic

Zusatz

Sie können auch NumPy-Arrays hinzufügen. Neben der Addition können Sie auch Subtraktion, Division und Multiplikation zweier Matrizen durchführen. Hier ist ein Beispiel für die Addition in Python NumPy:

1 importiere numpy als np

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

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

4 Druck(x+y)

Die Ausgabe des obigen Codes – [[ 2 4 6] [ 6 8 10]]

Wie bereits erwähnt, können Sie auch andere mathematische Operationen mit NumPy-Arrays durchführen, einschließlich Subtraktion und Division. Hier ist wie:

1 importiere numpy als np

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

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

4 drucken (xy)

5 drucken (x*y)

6 drucken (x/y)

Ausgabe des obigen Codes – [[0 0 0] [0 0 0]]

[[ 1 4 9] [ 9 16 25]]

[[ 1. 1. 1.] [ 1. 1. 1.]]

ravel

Mit der Ravel-Operation können Sie ein NumPy-Array in ein Ravel umwandeln, das eine einzelne Spalte ist. Hier ist ein Beispiel:

1 importiere numpy als np

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

3 print(x.ravel())

Die Ausgabe des Codes – [ 1 2 3 3 4 5]

Fazit

Wir sind sicher, dass Sie dieses Python NumPy-Tutorial sehr informativ fanden. Inzwischen haben Sie verstanden, was Python NumPy ist und welche Funktionen es hat. Wenn Sie weitere Fragen zu diesem Thema haben, können Sie uns diese gerne mitteilen.

Wenn Sie neugierig sind, etwas über Data Science zu lernen, schauen Sie sich das Executive PG Program in Data Science von IIIT-B & upGrad an, das für Berufstätige entwickelt wurde und mehr als 10 Fallstudien und Projekte, praktische Workshops, Mentoring mit Branchenexperten, 1 -on-1 mit Branchenmentoren, mehr als 400 Stunden Lern- und Jobunterstützung bei Top-Unternehmen.