Tutorial Python NumPy: impara Python Numpy con esempi

Se studi Python da un po' di tempo, devi esserti imbattuto in NumPy. E devi esserti chiesto cos'è e perché è così importante. In questo tutorial Python Numpy , imparerai lo stesso. Imparerai a capire NumPy e gli array NumPy e le loro funzioni.

Avere padronanza di Python è necessario per i programmatori moderni. E questo tutorial Python NumPy ti aiuterà a capire meglio Python. È abbastanza dettagliato, quindi ti consigliamo di aggiungere questa pagina ai tuoi segnalibri per riferimento futuro.

Impara i corsi online di data science dalle migliori università del mondo. Guadagna programmi Executive PG, programmi di certificazione avanzati o programmi di master per accelerare la tua carriera.

Cos'è Python NumPy?

NumPy sta per "Pitone numerico". Come avrai intuito, si concentra sulle operazioni numeriche e sull'informatica. Numpy è un pacchetto Python ed è la libreria principale per i calcoli scientifici. Dispone di oggetti array n-dimensionali e strumenti per integrare altri linguaggi dominanti come C. È possibile utilizzare l'array NumPy come un enorme contenitore multidimensionale per i dati.

Che cos'è un array NumPy?

L'array NumPy è un fantastico oggetto array n-dimensionale. Ha righe e colonne e puoi usarlo per accedere agli elementi di un elenco Python. Ci sono molte operazioni che puoi eseguire su un array NumPy. Li abbiamo discussi più avanti nell'articolo, ma prima devi capire come installare NumPy nel tuo sistema. Senza installarlo, non saresti in grado di usarlo.

Come installare NumPy?

Dovrai andare al prompt dei comandi e inserire 'pip install numpy' per installare Python NumPy. Al termine dell'installazione, dovrai andare all'IDE e importare numpy tramite 'import numpy as np'. Ed è così che installi Numpy sul tuo sistema.

Puoi creare facilmente array in NumPy tramite il seguente codice:

1 importa numpy come np

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

3 stampa(a)

L'output del codice sopra – [1 2 3]

Il codice sopra ti darebbe un array unidimensionale. Se vuoi creare un array multidimensionale, dovresti scrivere qualcosa di simile all'esempio presente di seguito:

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

2 stampa(a)

L'output del codice sopra – [[ 1 2 3]

[4 5 6]]

Leggi di più: 25 entusiasmanti idee e argomenti per progetti Python per principianti

Operazioni in NumPy

Python NumPy ha molte operazioni. Tutti svolgono funzioni specifiche. Ecco le funzioni con una breve descrizione:

dimensione dell'articolo:

Con l'aiuto di questa funzione, puoi scoprire la dimensione in byte degli elementi del tuo array. Dai un'occhiata al seguente esempio:

1 importa numpy come np

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

3 stampa (a.dimensione articolo)

L'output del codice sopra – 4

dim:

La funzione ndim ti aiuta a trovare la dimensione dell'array. Dovresti sapere che puoi avere array unidimensionali, bidimensionali e tridimensionali. Ecco un esempio di questa funzione:

1 importa numpy come np

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

3 stampa (a.ndim)

L'output del codice sopra – 2

rimodellare:

Con l'aiuto dell'operazione di risagoma è possibile modificare il numero di righe e colonne presenti in un array. Supponiamo che un array abbia tre colonne e due righe. Attraverso il reshape, puoi cambiarli in 2 colonne e tre righe. Guardalo in azione attraverso il seguente esempio:

1 importa numpy come np

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

3 stampa(a)

4 a=a.rimodellare(3,2)

5 stampa(a)

Output del codice sopra – [[ 8 9 10] [11 12 13]] [[ 8 9] [10 11] [12 13]]

affettare:

Utilizzando l'operazione di slicing, è possibile estrarre un insieme specifico di elementi dall'array richiesto. In altre parole, puoi "tagliare" l'array e ottenere una parte dello stesso. Supponiamo che tu abbia un array e desideri estrarre un elemento specifico da esso, lo faresti nel modo seguente:

1 importa numpy come np

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

3 stampa(a[0,2])

L'output del codice sopra – 3

Nell'esempio sopra, l'indice del primo array era 0 e per il secondo era 1. Quindi, il codice dice che dovrebbe stampare il secondo elemento del primo array (che ha l'indice 0). Supponiamo di aver bisogno del secondo elemento dal primo e dell'indice zero dell'array. Quindi useremmo il seguente codice:

1 importa numpy come np

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

3 stampa(a[0:,2])

L'output del codice sopra– [3 5]

Leggi anche: Stipendio per sviluppatori Python in India

dtipo:

Con la funzione dtype, hai la possibilità di trovare il tipo di dati degli elementi di un array. Fornisce il tipo di dati e la dimensione del componente richiesto. Dai un'occhiata al seguente esempio per vedere come funziona:

1 importa numpy come np

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

3 print(a.dtype)

L'output del codice sopra – int32

È possibile utilizzare le funzioni "forma" e "dimensione" per trovare anche la forma e la dimensione dell'array. Dai un'occhiata a questo esempio del nostro tutorial Python NumPy per comprendere correttamente queste funzioni:

1 importa numpy come np

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

3 stampe (a.size)

4 stampa (a.forma)

L'output del codice sopra – 6 (1,6)

spazio di linea :

Con l'aiuto dell'operazione linspace, puoi ottenere numeri distribuiti uniformemente in base all'intervallo menzionato. La funzione linspace ha i suoi usi, ed ecco un esempio di come puoi usarla:

1 importa numpy come np

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

3 stampa(a)

Output del codice di cui sopra– [ 1. 1.22222222 1.44444444 1.66666667 1.88888889 2.11111111 2.33333333 2.55555556 2.77777778 3. ]

radice quadrata e deviazione standard

Python NumPy ti consente di eseguire varie operazioni matematiche. E una di queste operazioni è derivare la radice quadrata dell'array richiesto. Puoi anche ottenere la deviazione standard del tuo array NumPy. Ecco un esempio dettagliato per aiutarti in questo senso:

1 importa numpy come np

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

3 print(np.sqrt(a))

4 print(np.std(a))

L'output del codice sopra– [[ 1. 1.41421356 1.73205081]

[ 1.73205081 2. 2.23606798]]

1.29099444874

max/min

Puoi trovare il massimo, il minimo e la somma di un array anche attraverso le operazioni specifiche. Trovare il massimo e il minimo può aiutarti molto nello svolgere operazioni complesse. Ecco come puoi trovare il massimo, il minimo e la somma dell'array che hai:

1 importa numpy come np

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

3 print(a.min())

4 print(a.max())

5 print(a.sum())

L'output del codice sopra – 1 3 6

Accatastamento orizzontale e verticale

Potresti voler combinare due array ma non aggiungerli, ad es. potresti voler semplicemente concatenarli. A tale scopo, puoi impilarli verticalmente o orizzontalmente. Ecco il codice di esempio per farlo:

1 importa numpy come 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)))

Output del codice sopra – [[1 2 3] [3 4 5] [1 2 3] [3 4 5]]

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

Per saperne di più: Operatori in Python: una guida per principianti all'aritmetica

Aggiunta

Puoi anche aggiungere array NumPy. Oltre all'addizione, puoi anche eseguire la sottrazione, la divisione e la moltiplicazione di due matrici. Ecco un esempio di aggiunta in Python NumPy:

1 importa numpy come np

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

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

4 stampa(x+y)

L'output del codice sopra – [[ 2 4 6] [ 6 8 10]]

Come accennato in precedenza, puoi eseguire anche altre operazioni matematiche sugli array NumPy, comprese la sottrazione e la divisione. Ecco come:

1 importa numpy come np

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

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

4 stampa(xy)

5 stampe(x*y)

6 stampe (x/a)

Uscita del codice sopra– [[0 0 0] [0 0 0]]

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

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

ravel

L'operazione ravel ti consente di convertire un array NumPy in un ravel, che è una singola colonna. Ecco un esempio:

1 importa numpy come np

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

3 print(x.ravel())

L'output del codice – [ 1 2 3 3 4 5]

Conclusione

Siamo sicuri che hai trovato questo tutorial Python NumPy abbastanza informativo. A questo punto, avresti capito cos'è Python NumPy e quali sono le sue funzioni. Se hai altre domande su questo argomento, non esitare a farcelo sapere.

Se sei curioso di conoscere la scienza dei dati, dai un'occhiata al programma Executive PG in Data Science di IIIT-B e upGrad, creato per i professionisti che lavorano e offre oltre 10 casi di studio e progetti, workshop pratici pratici, tutoraggio con esperti del settore, 1 -on-1 con mentori del settore, oltre 400 ore di apprendimento e assistenza al lavoro con le migliori aziende.