مختصری درباره NumPy

همان‌طور که می‌دانید ماتریس‌ها مهم‌ترین داده‌ساختار مورد استفاده برای بیان الگوریتم‌های مربوط به یادگیری ماشین هستند، کتاب‌خانه numpy به این منظور نوشته شده تا کار با این داده‌ساختار را آسان کند، به همین دلیل در میان کتاب‌خانه‌های SciPy کتاب‌خانه‌ی numpy (نام پای) کتاب‌خانه‌ای مهم محسوب می شود.

برای نصب numpy، دستور زیر را اجرا می‌کنیم:

pip install numpy

برای شروع کار با numpy، ابتدا آن را با دستور import، وارد می‌کنیم:

import numpy as np

برای ساخت آرایه numpy، می‌توانیم از لیست‌های پایتون استفاده کنیم:

a = np.array([10, 20, 30])

برای دسترسی به اشیای این آرایه‌ها:

print(a[0], a[2], a[1])

خروجی کد بالا به صورت زیر است:

10 30 20

برای دیدن ابعاد آرایه، می‌توانیم از shape استفاده کنیم:

print(a.shape)

خروجی کد بالا به صورت زیر است:

(3,)

برای جمع، تفریق، ضرب و تقسیم درایه به درایه دو آرایه می‌توان از عملگرهای +، –، ∗ و / استفاده کرد، مثلا:

a = np.array([[10, 20], [30, 40]])

b = np.array([[50, 60], [70, 80]])

print(a+b)

خروجی کد بالا به صورت زیر است:

[[60 80]

[100 120]]

برای ضرب ماتریس ها هم می توان از np.dot استفاده کرد:

print(a.dot(b)) or print(np.dot(a, b))

خروجی کد بالا به صورت زیر است:

[[1900 2200]

[4300 5000]]

از مزایای numpy می توان به موارد زیر اشاره کرد:

1. لیست numpy حافظه کمتری اشغال می‌کند.

2. سرعت محاسبات در آن بسیار زیاد است.

3. کار کردن با لیست‌های چند بعدی لیستِ لیست (list of list) در آن راحت است و توابعی در کتابخانه numpy وجود دارد که انجام بسیاری از محاسبات آماری و ریاضیاتی را بیش از پیش آسان می‌کند.