NumPy

پایه محاسبات علمی و داده پایتون

۴.۷۷ از ۵ پایتون

این کتابخانه چیست و چه می‌کند؟

NumPy آرایه‌های چندبعدی سریع به‌شکل C در پایتون می‌دهد؛ جمع، ضرب ماتریسی و آمار روی میلیون‌ها عدد بدون حلقه پایتونی انجام می‌شود و صدها برابر سریع‌تر است. Pandas و PyTorch و Scikit-learn همگی روی NumPy ساخته شده‌اند؛ یعنی ورود به هر مسیر علم داده و هوش مصنوعی از NumPy شروع می‌شود.

قابلیت‌های کلیدی

  • آرایه n-بعدی با عملیات برداری
  • توابع آماده ریاضی و آماری
  • بُرش و ایندکس‌گذاری پیشرفته
  • پایه Pandas و PyTorch

مثال کاربردی واقعی

قابل اجرا
import numpy as np

prices = np.array([850000, 1200000, 450000, 2000000])
print('میانگین:', prices.mean())
print('گران‌ترین:', prices.max())

# عملیات برداری — بدون حلقه!
discounted = prices * 0.85
print('با تخفیف ۱۵٪:', discounted)

matrix = np.arange(9).reshape(3, 3)
print('دترمینان:', round(np.linalg.det(matrix), 3))

توضیح مثال: آرایه ساخته می‌شود و آمار پایه یک‌خطی می‌آید؛ ضرب در عدد روی همه اعضا اعمال می‌شود (برداری‌سازی) و ماتریس با reshape ساخته و جبر خطی رویش اجرا می‌شود.

نکات حرفه‌ای

  • به‌جای حلقه for روی لیست، عملیات برداری NumPy بزنید؛ تفاوت سرعت چشمگیر است.
  • np.arange و np.linspace برای ساخت داده آزمایشی عالی‌اند.