NumPy का संक्षिप्त परिचय

NumPy लाइब्रेरी और ufuncs का कुछ बुनियादी ज्ञान

NumPy का मतलब न्यूमेरिकल पायथन है और यह एक है अजगर सरणियों के साथ काम करने के लिए पुस्तकालय। इन सरणियों की सहायता से, रैखिक बीजगणित के तत्वों, जैसे वैक्टर और मैट्रिक्स, को इसमें दर्शाया जा सकता है अजगर. चूंकि लाइब्रेरी का एक बड़ा हिस्सा सी में लिखा गया है, यह बड़े मैट्रिक्स के साथ भी विशेष रूप से कुशल और तेज़ गणना कर सकता है।

अजगर विभिन्न प्रकार की डेटा संरचनाएँ प्रदान करता है जिनका उपयोग अतिरिक्त पुस्तकालयों के बिना डेटा संग्रहीत करने के लिए किया जा सकता है। हालाँकि, ये संरचनाएँ, जैसे पायथन सूचियाँ, केवल गणितीय संक्रियाओं के लिए बहुत खराब रूप से अनुकूल हैं। दो जोड़ना सूचियों बड़ी मात्रा में डेटा के साथ काम करते समय तत्वों द्वारा संख्याओं का तत्व प्रदर्शन के लिए हानिकारक हो सकता है।

इस कारण से, NumPy को विकसित किया गया था, क्योंकि यह संख्यात्मक संचालन को जल्दी और कुशलता से करने की संभावना प्रदान करता है। रैखिक बीजगणित के क्षेत्र से गणनाएँ विशेष रूप से महत्वपूर्ण हैं, जैसे कि मैट्रिक्स गुणन।

NumPy, कई अन्य पुस्तकालयों की तरह, पाइप का उपयोग करके सीधे नोटबुक से स्थापित किया जा सकता है। ऐसा करने के लिए, मॉड्यूल नाम के साथ "पिप इंस्टॉल" कमांड का उपयोग करें। इस पंक्ति के पहले विस्मयादिबोधक चिह्न होना चाहिए ताकि नोटबुक पहचान सके कि यह एक टर्मिनल कमांड है:

यदि इंस्टॉलेशन सफल रहा, तो मॉड्यूल को आसानी से आयात किया जा सकता है और नोटबुक में उपयोग किया जा सकता है। प्रोग्रामिंग के दौरान थोड़ा समय बचाने के लिए और हर बार NumPy दर्ज न करने के लिए संक्षिप्त नाम "np" का उपयोग अक्सर यहां किया जाता है:

NumPy सरणियाँ पारंपरिक का एक वैध विकल्प हैं पायथन सूचियाँ. वे डेटा के बहुआयामी संग्रह को संग्रहीत करने की संभावना प्रदान करते हैं। ज्यादातर मामलों में, संख्याएँ संग्रहीत की जाती हैं और सरणियों का उपयोग वैक्टर या मैट्रिक्स के रूप में किया जाता है। उदाहरण के लिए, एक-आयामी वेक्टर इस तरह दिख सकता है:

NumPy सरणियों के विभिन्न कार्यों के अलावा, जिन्हें हम एक अलग पोस्ट में कवर करेंगे, संभावित आयाम अभी भी भेदभाव के लिए महत्वपूर्ण हैं:

निम्नलिखित आयाम प्रतिष्ठित हैं:

• 0डी - सरणी: यह केवल एक अदिश राशि है, अर्थात एक संख्या या मान।
• 1डी - सरणी: यह एक सदिश है, एक आयाम में संख्याओं या मानों की एक श्रृंखला के रूप में।
• 2डी - सरणी: इस प्रकार की सारणी एक मैट्रिक्स है, अर्थात, कई 1D-सरणी का संग्रह।
• 3डी - सरणी: कई आव्यूह एक तथाकथित टेंसर बनाते हैं। हमने अपने लेख में इनके बारे में अधिक विस्तार से बताया है TensorFlow.

स्रोत के आधार पर, NumPy सरणियों और के बीच कई मूलभूत अंतर हैं पायथन सूचियाँ. सबसे अधिक उल्लिखित में से हैं:

1. मेमोरी खपत: ऐरे को इस तरह से प्रोग्राम किया जाता है कि वे मेमोरी के एक निश्चित हिस्से पर कब्जा कर लेते हैं। फिर सरणी के सभी तत्व वहां स्थित होते हैं। ए के तत्व सूचीदूसरी ओर, स्मृति में बहुत दूर हो सकता है। परिणामस्वरूप, ए सूची एक समान सरणी की तुलना में अधिक मेमोरी की खपत करता है।
2. गति: ऐरे को इससे भी अधिक तेजी से संसाधित किया जा सकता है सूचियों उनकी कम मेमोरी खपत के कारण। यह कई मिलियन तत्वों वाली वस्तुओं के लिए महत्वपूर्ण अंतर ला सकता है।
3. कार्यशीलता: ऐरे काफी अधिक कार्यक्षमताएं प्रदान करते हैं, उदाहरण के लिए, वे तत्व-दर-तत्व संचालन की अनुमति देते हैं, जबकि सूचियां ऐसा नहीं करती हैं।

तथाकथित "यूनिवर्सल फ़ंक्शंस" (संक्षिप्त: ufuncs) का उपयोग तत्व द्वारा कुछ संचालन को निष्पादित करने के लिए नहीं, बल्कि सीधे संपूर्ण सरणी के लिए किया जाता है। कंप्यूटर प्रोग्रामिंग में, तथाकथित वैश्वीकरण की बात तब की जाती है जब कमांड को पूरे वेक्टर के लिए सीधे निष्पादित किया जाता है।

यह न केवल प्रोग्रामिंग में बहुत तेज़ है, बल्कि इससे गणना भी तेज़ हो जाती है। NumPy में, इनमें से कई यूनिवर्सल फ़ंक्शंस की पेशकश की जाती है, जिनका उपयोग विभिन्न प्रकार के ऑपरेशनों के लिए किया जा सकता है। सबसे प्रसिद्ध में से हैं:

• "ऐड ()" के साथ आप तत्व दर तत्व कई सरणियों का योग कर सकते हैं।
• "घटाना ()" बिल्कुल विपरीत है और तत्व द्वारा सरणी तत्व को घटाता है।
• "गुणा करें ()" दो सरणियों को तत्व दर तत्व गुणा करता है।
• "matmul()" दो सरणियों का मैट्रिक्स उत्पाद बनाता है। ध्यान दें कि अधिकांश मामलों में यह "गुणा ()" के समान परिणाम नहीं देगा।

• NumPy का मतलब न्यूमेरिकल पायथन है और यह सरणियों के साथ काम करने के लिए एक पायथन लाइब्रेरी है।
• इन सरणियों की सहायता से, रैखिक बीजगणित के तत्वों, जैसे वैक्टर और मैट्रिक्स, को पायथन में दर्शाया जा सकता है।
• चूँकि लाइब्रेरी का अधिकांश भाग C में लिखा गया है, यह बड़े मैट्रिक्स के साथ भी विशेष रूप से कुशल और तेज़ गणना कर सकता है।
• NumPy सरणियाँ पायथन सूचियों से तुलनीय हैं लेकिन मेमोरी आवश्यकताओं और प्रसंस्करण गति में उनसे काफी बेहतर हैं।

NumPy का संक्षिप्त परिचय स्रोत https://towardsdatascience.com/3short-introduction-to-numpy-3a65ec23eaba?source=rss—-7f60cf5620c9—4 से https://towardsdatascience.com/feed द्वारा पुनर्प्रकाशित

<!–

->