مقدمه:
numpy یک کتابخانه محبوب و کاربردی در زبان برنامه‌نویسی پایتون است که برای کار با آرایه‌ها و انجام محاسبات عددی به کار می‌رود. در این پست وبلاگ، ما به بررسی برخی از کاربردهای numpy در پایتون می‌پردازیم.
نصب کتابخانه numpy:
برای نصب numpy، دستور زیر را در خط فرمان وارد کنید:
pip install numpy
ایجاد یک آرایه: برای ایجاد یک آرایه با استفاده از numpy، ابتدا numpy را به پروژه‌ی خود اضافه کنید:
import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr)
محاسبات آرایه‌ای: numpy به شما امکان انجام محاسبات بر روی آرایه‌ها را می‌دهد. برای مثال، برای جمع دو آرایه می‌توانید کد زیر را استفاده کنید:
arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) result = arr1 + arr2 print(result)
تابع‌های ریاضی: numpy شامل توابع ریاضی متعددی است که بر روی آرایه‌ها قابل اجرا هستند. برای مثال، برای محاسبه جدول ضرب دو آرایه، کد زیر را استفاده کنید:
arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) result = np.multiply(arr1, arr2) print(result)
تغییر شکل آرایه‌ها: numpy به شما امکان می‌دهد که آرایه‌ها را به ساختارهای مختلف تغییر شکل دهید. برای مثال، برای تغییر شکل یک آرایه یک بعدی به آرایه دو بعدی، کد زیر را استفاده کنید:
arr = np.array([1, 2, 3, 4, 5, 6]) reshaped_arr= arr.reshape(2, 3) print(reshaped_arr)
انتخاب عناصر آرایه: برای انتخاب عناصر خاصی از یک آرایه، می‌توانید از کد زیر استفاده کنید:
arr = np.array([1, 2, 3, 4, 5, 6]) selected_elements = arr[[1, 3, 5]] print(selected_elements)
تابع‌های آماری: numpy شامل توابع آماری متعددی است که به شما کمک می‌کنند تا مقادیری مانند میانگین، میانه و انحراف معیار را برای آرایه‌های خود محاسبه کنید. برای مثال، برای محاسبه میانگین یک آرایه، کد زیر را استفاده کنید:
arr = np.array([1, 2, 3, 4, 5, 6]) mean = np.mean(arr) print(mean)
ما به بررسی برخی از کاربردهای کتابخانه numpy در پایتون پرداختیم. از جمله ایجاد آرایه‌ها، محاسبات آرایه‌ای، استفاده از توابع ریاضی، تغییر شکل آرایه‌ها، انتخاب عناصر آرایه و استفاده از توابع آماری بودند. این فقط بخشی از قابلیت‌های numpy است و این کتابخانه هنوز قابلیت‌های بیشتری برای کار با آرایه‌ها و محاسبات عددی دارد.
