Python NumPy Eğitimi: Python Numpy'yi Örneklerle Öğrenin

Bir süredir Python çalışıyorsanız, NumPy ile karşılaşmış olmalısınız. Ve bunun ne olduğunu ve neden bu kadar önemli olduğunu merak etmiş olmalısınız. Bu Python Numpy eğitiminde , aynı şeyi öğreneceksiniz. NumPy'nin yanı sıra NumPy dizilerini ve işlevlerini anlayacaksınız.

Günümüz programcıları için Python'a hakim olmak gereklidir. Ve bu Python NumPy öğreticisi, Python'u daha iyi anlamanıza yardımcı olacaktır. Oldukça ayrıntılıdır, bu nedenle ileride başvurmak üzere bu sayfayı yer imlerinize eklemenizi öneririz.

Dünyanın en iyi Üniversitelerinden veri bilimi çevrimiçi kurslarını öğrenin . Kariyerinizi hızlandırmak için Yönetici PG Programları, Gelişmiş Sertifika Programları veya Yüksek Lisans Programları kazanın.

Python NumPy nedir?

NumPy, 'Sayısal Python' anlamına gelir. Tahmin edebileceğiniz gibi, sayısal işlemlere ve hesaplamaya odaklanır. Numpy bir Python paketidir ve bilimsel hesaplamalar için ana kütüphanedir. C gibi diğer baskın dilleri entegre etmek için n-boyutlu dizi nesnelerine ve araçlarına sahiptir. NumPy dizisini veriler için çok büyük bir çok boyutlu kapsayıcı olarak kullanabilirsiniz.

NumPy Dizisi nedir?

NumPy dizisi, fantastik bir n boyutlu dizi nesnesidir. Satırları ve sütunları vardır ve bunu bir Python listesinin öğelerine erişmek için kullanabilirsiniz. NumPy dizisinde gerçekleştirebileceğiniz birçok işlem vardır. Bunları makalenin ilerleyen bölümlerinde tartıştık, ancak ondan önce NumPy'yi sisteminize nasıl kuracağınızı anlamalısınız. Kurulum yapmadan kullanamazsınız.

NumPy nasıl kurulur?

Python NumPy'yi kurmak için komut istemine gitmeniz ve 'pip install numpy' yazmanız gerekecek. Kurulum tamamlandıktan sonra, IDE'ye gitmeniz ve 'numpy'yi np olarak içe aktar' yoluyla numpy'yi içe aktarmanız gerekir. Numpy'yi sisteminize bu şekilde kurarsınız.

NumPy'de aşağıdaki kod aracılığıyla kolayca diziler oluşturabilirsiniz:

1 numpy'yi np olarak içe aktar

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

3 baskı(a)

Yukarıdaki kodun çıktısı – [1 2 3]

Yukarıdaki kod size tek boyutlu bir dizi verecektir. Çok boyutlu bir dizi oluşturmak istiyorsanız, aşağıdaki örneğe benzer bir şey yazmanız gerekir:

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

2 baskı(a)

Yukarıdaki kodun çıktısı – [[ 1 2 3]

[4 5 6]]

Devamını oku: Yeni Başlayanlar için 25 Heyecan Verici Python Projesi Fikirleri ve Konuları

NumPy'deki işlemler

Python NumPy'nin birçok işlemi vardır. Hepsi belirli işlevleri yerine getirir. Kısa bir açıklama ile bu işlevler şunlardır:

öğe boyutu:

Bu fonksiyon yardımıyla dizinizin elemanlarının bayt boyutunu öğrenebilirsiniz. Aşağıdaki örneğe bir göz atın:

1 numpy'yi np olarak içe aktar

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

3 baskı(a.itemsize)

Yukarıdaki kodun çıktısı – 4

ndim:

ndim işlevi, dizinin boyutunu bulmanıza yardımcı olur. Tek boyutlu, iki boyutlu ve üç boyutlu dizilere sahip olabileceğinizi bilmelisiniz. İşte bu işlevin bir örneği:

1 numpy'yi np olarak içe aktar

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

3 baskı(a.ndim)

Yukarıdaki kodun çıktısı – 2

yeniden şekillendir:

Yeniden şekillendirme işlemi yardımıyla bir dizide bulunan satır ve sütun sayısını değiştirebilirsiniz. Bir dizinin üç sütunu ve iki satırı olduğunu varsayalım. Yeniden şekillendirme ile bunları 2 sütun ve üç satır olarak değiştirebilirsiniz. Aşağıdaki örnekte eylem halinde görün:

1 numpy'yi np olarak içe aktar

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

3 baskı(a)

4 a=a.yeniden şekillendir(3,2)

5 baskı(a)

Yukarıdaki kodun çıktısı – [[ 8 9 10] [11 12 13]] [[ 8 9] [10 11] [12 13]]

dilimleme:

Dilimleme işlemini kullanarak, gerekli diziden belirli bir öğe kümesini ayıklayabilirsiniz. Başka bir deyişle, diziyi 'dilimleyebilir' ve aynısının bir kısmını alabilirsiniz. Bir diziniz olduğunu ve ondan belirli bir öğeyi çıkarmak istediğinizi varsayalım, bunu şu şekilde yapacaksınız:

1 numpy'yi np olarak içe aktar

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

3 baskı(a[0,2])

Yukarıdaki kodun çıktısı – 3

Yukarıdaki örnekte, ilk dizinin dizini 0 ve ikincisi için 1'di. Yani kod, ilk dizinin (dizin 0'a sahip olan) ikinci öğesini yazdırması gerektiğini söylüyor. Dizinin birinci ve sıfırıncı dizininden ikinci öğeye ihtiyacınız olduğunu varsayalım. O zaman aşağıdaki kodu kullanırdık:

1 numpy'yi np olarak içe aktar

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

3 baskı(a[0:,2])

Yukarıdaki kodun çıktısı– [3 5]

Ayrıca okuyun: Hindistan'da Python Geliştirici Maaşı

tip:

dtype işleviyle, bir dizinin öğelerinin veri türünü bulma seçeneğiniz vardır. Size gerekli bileşenin veri türünü ve boyutunu verir. Nasıl çalıştığını görmek için aşağıdaki örneğe bir göz atın:

1 numpy'yi np olarak içe aktar

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

3 baskı(a.dtype)

Yukarıdaki kodun çıktısı – int32

Dizinin şeklini ve boyutunu da bulmak için 'şekil' ve 'boyut' işlevlerini kullanabilirsiniz. Bu işlevleri doğru bir şekilde anlamak için Python NumPy eğitimimizin bu örneğine bir göz atın:

1 numpy'yi np olarak içe aktar

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

3 baskı(a.boyut)

4 baskı(a.şekil)

Yukarıdaki kodun çıktısı – 6 (1,6)

satır aralığı :

Linspace işlemi yardımıyla, bahsettiğiniz aralığa göre eşit aralıklı sayılar elde edebilirsiniz. Linspace işlevinin kullanım alanları vardır ve işte onu nasıl kullanabileceğinize dair bir örnek:

1 numpy'yi np olarak içe aktar

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

3 baskı(a)

Yukarıdaki kodun çıktısı– [ 1. 1.22222222 1.44444444 1.66666667 1.88888889 2.11111111 2.33333333 2.555555556 2.77777778 3. ]

karekök ve standart sapma

Python NumPy, çeşitli matematiksel işlemleri gerçekleştirmenizi sağlar. Ve bu işlemlerden biri, gerekli dizinin karekökünü türetmektir. NumPy dizinizin standart sapmasını da elde edebilirsiniz. Bu konuda size yardımcı olacak ayrıntılı bir örnek:

1 numpy'yi np olarak içe aktar

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

3 baskı(np.sqrt(a))

4 baskı(np.std(a))

Yukarıdaki kodun çıktısı– [[ 1.41421356 1.73205081]

[ 1.73205081 2. 2.23606798]]

1.29099444874

maks/dak

Belirli işlemler aracılığıyla bir dizinin maksimum, minimum ve toplamını da bulabilirsiniz. Maksimum ve minimumu bulmak, karmaşık işlemleri gerçekleştirmede size çok yardımcı olabilir. Sahip olduğunuz dizinin maksimum, minimum ve toplamını şu şekilde bulabilirsiniz:

1 numpy'yi np olarak içe aktar

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

3 baskı(a.min())

4 baskı(a.max())

5 yazdır(a.sum())

Yukarıdaki kodun çıktısı – 1 3 6

Yatay ve dikey istifleme

İki diziyi birleştirmek isteyebilir, ancak eklemeyebilirsiniz, yani sadece onları birleştirmek isteyebilirsiniz. Bu amaçla, bunları dikey veya yatay olarak istifleyebilirsiniz. İşte bunu yapmak için örnek kod:

1 numpy'yi np olarak içe aktar

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

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

4 yazdır(np.vstack((x,y)))

5 yazdır(np.hstack((x,y)))

Yukarıdaki kodun çıktısı – [[1 2 3] [3 4 5] [1 2 3] [3 4 5]]

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

Devamını oku: Python'da Operatörler: Yeni Başlayanlar İçin Aritmetik Kılavuzu

Ek

NumPy dizilerini de ekleyebilirsiniz. Toplama dışında, iki matrisin çıkarma, bölme ve çarpma işlemlerini de yapabilirsiniz. Python NumPy'de bir ekleme örneği:

1 numpy'yi np olarak içe aktar

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

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

4 baskı(x+y)

Yukarıdaki kodun çıktısı – [[ 2 4 6] [ 6 8 10]]

Daha önce bahsettiğimiz gibi, NumPy dizilerinde çıkarma ve bölme dahil diğer matematiksel işlemleri de gerçekleştirebilirsiniz. İşte nasıl:

1 numpy'yi np olarak içe aktar

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

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

4 baskı(xy)

5 baskı(x*y)

6 baskı(x/y)

Yukarıdaki kodun çıktısı– [[0 0 0] [0 0 0]]

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

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

çıldırmak

Ravel işlemi, bir NumPy dizisini tek bir sütun olan bir ravel'e dönüştürmenize izin verir. İşte bir örnek:

1 numpy'yi np olarak içe aktar

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

3 baskı(x.ravel())

Kodun çıktısı – [ 1 2 3 3 4 5]

Çözüm

Bu Python NumPy öğreticisini oldukça bilgilendirici bulduğunuzdan eminiz. Şimdiye kadar Python NumPy'nin ne olduğunu ve işlevlerinin ne olduğunu anlamış olurdunuz. Bu konu hakkında başka sorularınız varsa, bize bildirmekten çekinmeyin.

Veri bilimi hakkında bilgi edinmek istiyorsanız, IIIT -B & upGrad'ın çalışan profesyoneller için oluşturulmuş ve 10'dan fazla vaka çalışması ve proje, uygulamalı uygulamalı atölye çalışmaları, endüstri uzmanlarıyla mentorluk, 1 Endüstri danışmanlarıyla bire bir, en iyi firmalarla 400+ saat öğrenim ve iş yardımı.