کتابخانه‌ NumPy یکی از کتابخانه‌های کلیدی و پایه‌ای در دنیای پایتون است که به ویژه برای محاسبات عددی و کار با داده‌های عددی طراحی شده است. این کتابخانه به شما اجازه می‌دهد با آرایه‌های چندبعدی (ndarray) کار کنید و انواع عملیات ریاضی را به آسانی انجام دهید.

نصب کتابخانه‌ NumPy

نصب NumPy بسیار ساده است. کافیست از pip استفاده کنید:

pip install numpy

لینک داکیومنت NumPy

آرایه‌ها در NumPy

یکی از ویژگی‌های اصلی NumPy، آرایه‌های چندبعدی آن است. آرایه‌ها می‌توانند مختلفی از داده‌ها را نگه‌داری کنند و به ما این امکان را می‌دهند که سریعاً عملیات‌های مختلفی روی داده‌ها انجام دهیم.

ایجاد آرایه‌ها

برای ایجاد آرایه‌ها در NumPy، می‌توانید از تابع np.array() استفاده کنید:

import numpy as np

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

انواع آرایه‌ها

NumPy علاوه بر آرایه‌های یک‌بعدی، از آرایه‌های دو و چندبعدی نیز پشتیبانی می‌کند. به عنوان مثال:

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

آموزش پایتون از صفر (رایگان)

عملیات ریاضی با NumPy

یکی از مزایای بزرگ کتابخانه‌ NumPy، قابلیت انجام عملیات ریاضی بر روی آرایه‌ها است. به عنوان مثال:

جمع کردن آرایه‌ها

c = np.array([1, 2, 3])
d = np.array([4, 5, 6])
result = c + d
print(result) # خروجی: [5 7 9]

ضرب اسکالر

شما می‌توانید یک عدد را به تمام عناصر یک آرایه اضافه کنید یا آن را ضرب کنید:

e = np.array([1, 2, 3])
result = e * 2
print(result) # خروجی: [2 4 6]

عملیات ماتریسی

NumPy همچنین از عملیات ماتریسی پشتیبانی می‌کند. به عنوان مثال، ضرب دو ماتریس:

f = np.array([[1, 2], [3, 4]])
g = np.array([[5, 6], [7, 8]])
result = np.dot(f, g)
print(result)

عملکرد و مقایسه با لیست‌های پایتون

استفاده از NumPy به جای لیست‌های پایتون مزایای زیادی دارد. NumPy بهینه‌سازی‌های خاصی انجام داده که سرعت و کارایی بیشتری نسبت به لیست‌های پایتون دارد. همچنین، آرایه‌های NumPy از نظر مصرف حافظه بهینه‌تر هستند.

نتیجه‌گیری

NumPy یکی از ابزارهای قدرتمند برای محاسبات عددی در پایتون است. این کتابخانه به شما امکان می‌دهد به راحتی با داده‌های عددی کار کنید و عملیات‌های پیچیده ریاضی را به سادگی انجام دهید. اگر شما در زمینه علم داده، یادگیری ماشین یا تحلیل داده‌ها فعالیت می‌کنید، یادگیری NumPy برای شما ضروری است.