Python NumPy 교육

NumPy의 전신인 Numeric은 Jim Hugunin과 다른 협력자들과 함께 개발되었습니다.2005 년, Travis Oliphant는 Numeric에서 또 다른 동일한 성질의 프로그램 라이브러리인 Numarray의 특징을 결합하고, 다른 확장을 추가하여 NumPy를 개발했습니다. NumPy는 오픈 소스이며 많은 협력자들이 공동으로 유지보수하고 개발합니다.

NumPy 패키지의 핵심은 ndarray 객체입니다. 이는 동일한 데이터 타입의 n차원 배열을 포장한 python 원시 배열로, 성능이 좋도록 보장하기 위해 많은 작업이 로컬에서 컴파일되어 실행됩니다.

NumPy 배열과 원시 Python 배열(배열) 간에는 몇 가지 중요한 차이점이 있습니다:

NumPy 배열은 생성할 때부터 크기를 고정하고, Python의 원시 배열 객체와 달리 ndarray의 크기를 변경하면 새 배열이 생성되고 원래 배열이 제거됩니다.NumPy 배열 요소는 같은 데이터 타입을 가져야 하며, 따라서 메모리에서의 크기가 같습니다.NumPy 배열은 대량의 데이터에 고급 수학 및 다른 유형의 작업을 수행하는 데 도움이 됩니다. 일반적으로 이러한 작업의 실행 효율성이 높으며, Python 원시 배열을 사용하는 코드보다 코드가 적습니다.일어나는 Python 기반의 과학적과 수학적 소프트웨어 패키지들은 NumPy 배열을 사용하지만, 처리하기 전에 입력 배열을 NumPy 배열로 변환합니다.

NumPy 튜토리얼을 배우기 전에, 기본적인 Python 기초를 가지고 있어야 합니다. 이 웹사이트는 Python을 사용하는 것을 추천합니다.3.x 버전, Python에 대해 아직 모르시는 경우 우리의Python 튜토리얼

NumPy를 사용하는 이유는 무엇인가요?

Python에서는 배열 기능을 만족시키는 목록이 있습니다만, 처리가 느립니다.NumPy는 전통적인 Python 목록보다 빠르게 제공할 목표로 설계되었습니다. 50 배의 배열 객체.NumPy에서 배열 객체는 ndarray라고 불리며, ndarray를 사용하는 것이 매우 쉬워지는 많은 지원 함수를 제공합니다.데이터 과학에서 배열은 매우 흔히 사용되며, 속도와 자원이 매우 중요합니다.데이터 과학은 컴퓨터 과학의 한 분야로, 데이터를 저장하고 사용하며 분석하여 정보를 추출하는 방법을 연구합니다.

NumPy가 목록보다 빠른 이유는 무엇인가요?

목록과 달리 NumPy 배열은 메모리의 연속적인 위치에 저장되며, 따라서 프로세스가 매우 효율적으로 접근하고 조작할 수 있습니다.
이 행동은 컴퓨터 과학에서는 참조의 지역성으로 알려져 있습니다.
NumPy가 목록보다 빠른 이유 중 하나는 이것입니다. 또한 최신 CPU 아키텍처와 함께 사용될 수 있는 최적화가 이루어져 있습니다.

NumPy의 적용

NumPy는 SciPy와 함께 사용되며, 이 컴비네이션은 MatLab 대체로 널리 사용되어 Python을 통해 데이터 과학이나 기계 학습을 배우는 데 도움이 됩니다.SciPy는 오픈 소스 Python 알고리즘 라이브러리 및 수학 도구 패키지입니다.SciPy는 최적화, 선형 대수, 적분, 인터폴레이션, 특수 함수, 빠른 푸리에 변환, 신호 처리 및 이미지 처리, 일반 미분 방정식 해결 및 과학 및 공학에서 일반적으로 사용되는 계산을 포함한 모듈을 포함하고 있습니다.Matplotlib은 Python 프로그래밍 언어 및 수치 수학 확장 패키지 NumPy의 시각적 작업 인터페이스입니다. 그것은 일반적인 그래픽 사용자 인터페이스 도구 패키지를 사용합니다.

관련 자료

NumPy 공식 웹사이트：http://www.numpy.orgNumPy 소스 코드：https://github.com/numpy/numpySciPy 공식 웹사이트：: https://www.scipy.orgSciPy 소스 코드：: https://github.com/scipy/scipyMatplotlib 소스 코드：: https://matplotlib.orgMatplotlib 소스 코드：: https://github.com/matplotlib/matplotlib

NumPy 간단한 예제

#　1패키지 설치
$ pip install numpy
#　2NumPy의 상호작용형 인터랙티브 인터페이스에 접근하기
$ python　-i
#　3NumPy 사용하기
>>> from numpy import　*
>>> eye(4)
#　4출력 결과
array([[1.,　0.,　0.,　0.],
　　　　　　　[0.,　1.,　0.,　0.],
　　　　　　　[0.,　0.,　1.,　0.],
　　　　　　　[0.,　0.,　0.,　1.]])