NumPy چیست؟
NumPy یک کتابخانه پایتون است که برای کار با آرایه ها استفاده می شود.
همچنین دارای توابع برای کار در حوزه جبر خطی ، تبدیل چهار و ماتریس ها است. Numpy یکی از رایج ترین بسته هایی است که برای محاسبات علمی در پایتون مورد استفاده قرار می گیرد. این یک شی آرایه چند بعدی و همچنین تغییرات مانند ماسک ها و ماتریس ها را ارائه می دهد که می تواند برای عملیات ریاضی مختلف مورد استفاده قرار گیرد.
NumPy در سال ۲۰۰۵ توسط تراویس اولیفانت ایجاد شد. این یک پروژه منبع باز است و می توانید آزادانه از آن استفاده کنید.
NumPy مخفف Numerical Python است.
چرا از NumPy استفاده می کنیم؟
در پایتون لیستی داریم که هدف آرایه ها را ارائه می دهد ، اما پردازش آنها کند است.
هدف NumPy ارائه یک شیء آرایه ای است که تا ۵۰ برابر سریعتر از لیست های سنتی پایتون باشد.
شیء آرایه در NumPy ndarray نامیده می شود ، بسیاری از توابع پشتیبانی را ارائه می دهد که کار با ndarray را بسیار آسان می کند.
آرایه ها اغلب در علم داده استفاده می شوند ، جایی که سرعت و منابع بسیار مهم هستند.
چرا NumPy سریعتر از لیست است؟
آرایه های NumPy بر خلاف لیست ها در یک مکان پیوسته در حافظه ذخیره می شوند ، بنابراین فرآیندها می توانند به طور مlyثر به آنها دسترسی داشته و آنها را دستکاری کنند.
این رفتار در علوم رایانه محل مرجع نامیده می شود.
این دلیل اصلی سریعتر بودن NumPy از لیست ها است. همچنین برای کار با جدیدترین معماری CPU بهینه شده است.
چرا NumPy سریع است؟
بردارسازی عدم وجود هرگونه حلقه آشکار ، نمایه سازی و غیره را در کد توصیف می کند – این موارد البته در پشت صحنه در کد C بهینه سازی شده و از قبل تدوین شده اتفاق می افتد. کد بردار دارای مزایای زیادی است که از جمله آنها می توان به موارد زیر اشاره کرد:
کد بردار مختصرتر است و خواندن آن آسان تر است
خطوط کد کمتر به طور کلی به معنی اشکالات کمتر است
کد بیشتر شبیه نماد ریاضی استاندارد است (معمولاً کدگذاری صحیح سازه های ریاضی را آسان می کند)
بردارسازی منجر به کد بیشتر “Pythonic” می شود. بدون بردارسازی ، کد ما دارای حلقه های ناکارآمد و مشکل است.
پخش اصطلاحی است که برای توصیف رفتار ضمنی عنصر به عنصر عملیات استفاده می شود. به طور کلی ، در NumPy همه عملیات ، نه فقط عملیات حسابی ، بلکه منطقی ، کمی عاقلانه ، کاربردی و غیره ، به این صورت ضمنی عنصر به عنصر رفتار می کنند ، یعنی پخش می شوند. علاوه بر این ، در مثال بالا ، a و b می توانند آرایه های چند بعدی با همان شکل باشند ، یا یک مقیاس و یک آرایه ، یا حتی دو آرایه با اشکال مختلف ، به شرطی که آرایه کوچکتر به شکل بزرگتر “قابل توسعه” باشد. به گونه ای که پخش حاصله بدون ابهام باشد. برای “قوانین” دقیق پخش اصول اولیه را ببینید. پخش.