Pengantar Singkat untuk NumPy

Beberapa Pengetahuan dasar tentang perpustakaan NumPy dan ufuncs

NumPy adalah singkatan dari Numerical Python dan merupakan a Ular sanca perpustakaan untuk bekerja dengan array. Dengan bantuan array ini, elemen dari aljabar linier, seperti vektor dan matriks, dapat direpresentasikan dalam Ular sanca. Karena sebagian besar perpustakaan ditulis dalam C, ia dapat melakukan perhitungan yang efisien dan cepat bahkan dengan matriks yang besar.

Ular sanca menawarkan berbagai struktur data yang dapat digunakan untuk menyimpan data tanpa perpustakaan tambahan. Namun, struktur ini, seperti Daftar python, hanya sangat kurang cocok untuk operasi matematika. Menambahkan dua daftar jumlah elemen demi elemen dapat dengan cepat merusak kinerja ketika menangani data dalam jumlah besar.

Untuk alasan ini, NumPy dikembangkan karena menawarkan kemungkinan untuk melakukan operasi numerik dengan cepat dan efisien. Yang paling penting adalah perhitungan dari bidang aljabar linier, seperti perkalian matriks.

NumPy, seperti banyak perpustakaan lainnya, dapat diinstal langsung dari notebook menggunakan pip. Untuk melakukan ini, gunakan perintah “pip install” bersama dengan nama modul. Baris ini harus diawali dengan tanda seru agar notebook mengenali bahwa ini adalah perintah terminal:

Jika instalasi berhasil, modul dapat langsung diimpor dan digunakan di notebook. Singkatan “np” sering digunakan di sini untuk menghemat sedikit waktu selama pemrograman dan tidak harus memasukkan NumPy setiap saat:

Array NumPy adalah alternatif yang valid dibandingkan array konvensional Daftar python. Mereka menawarkan kemungkinan untuk menyimpan kumpulan data multidimensi. Dalam kebanyakan kasus, angka disimpan dan array digunakan sebagai vektor atau matriks. Misalnya, vektor satu dimensi akan terlihat seperti ini:

Selain berbagai fungsi array NumPy, yang akan kita bahas di postingan terpisah, kemungkinan dimensi masih penting untuk diferensiasi:

Dimensi berikut dibedakan:

• 0D — Susunan: Ini hanyalah skalar, yaitu angka atau nilai tunggal.
• 1D — Susunan: Ini adalah vektor, sebagai rangkaian angka atau nilai dalam satu dimensi.
• 2D — Susunan: Jenis array ini adalah matriks, yaitu kumpulan beberapa array 1D.
• 3D — Susunan: Beberapa matriks membentuk apa yang disebut tensor. Kami telah menjelaskannya lebih detail di artikel kami di TensorFlow.

Tergantung pada sumbernya, ada beberapa perbedaan mendasar antara array NumPy dan array NumPy Daftar python. Di antara yang paling sering disebutkan adalah:

1. Konsumsi Memori: Array diprogram sedemikian rupa sehingga menempati bagian tertentu dari memori. Semua elemen array kemudian ditempatkan di sana. Unsur a daftar, sebaliknya, bisa berjauhan dalam ingatan. Akibatnya, a daftar mengkonsumsi lebih banyak memori daripada array yang identik.
2. Kecepatan: Array juga dapat diproses lebih cepat dibandingkan daftar karena konsumsi memorinya yang lebih rendah. Hal ini dapat membuat perbedaan yang signifikan untuk objek dengan beberapa juta elemen.
3. Fungsi: Array menawarkan fungsionalitas yang jauh lebih banyak, misalnya, array mengizinkan operasi elemen demi elemen, sedangkan daftar tidak.

Yang disebut “Fungsi Universal” (singkatnya: ufuncs) digunakan untuk tidak harus menjalankan operasi tertentu elemen demi elemen, tetapi langsung untuk keseluruhan array. Dalam pemrograman komputer, kita berbicara tentang apa yang disebut vektorisasi ketika perintah dijalankan secara langsung untuk keseluruhan vektor.

Hal ini tidak hanya jauh lebih cepat dalam pemrograman, tetapi juga menghasilkan penghitungan yang lebih cepat. Di NumPy, beberapa Fungsi Universal ditawarkan, yang dapat digunakan untuk berbagai operasi. Di antara yang paling terkenal adalah:

• Dengan “add()” Anda dapat menjumlahkan beberapa array elemen demi elemen.
• “kurangi()” adalah kebalikannya dan mengurangi elemen array demi elemen.
• “multiply()” mengalikan dua array elemen demi elemen.
• “matmul()” membentuk hasil kali matriks dari dua larik. Perhatikan bahwa dalam banyak kasus ini tidak akan memberikan hasil yang sama seperti “multiply()”.

• NumPy adalah singkatan dari Numerical Python dan merupakan perpustakaan Python untuk bekerja dengan array.
• Dengan bantuan array ini, elemen dari aljabar linier, seperti vektor dan matriks, dapat direpresentasikan dengan Python.
• Karena sebagian besar perpustakaan ditulis dalam C, ia dapat melakukan perhitungan yang efisien dan cepat bahkan dengan matriks yang besar.
• Array NumPy sebanding dengan daftar Python tetapi secara signifikan lebih unggul dari mereka dalam hal kebutuhan memori dan kecepatan pemrosesan.

Pengantar Singkat tentang NumPy Diterbitkan Ulang dari Sumber https://towardsdatascience.com/3short-introduction-to-numpy-3a65ec23eaba?source=rss—-7f60cf5620c9—4 melalui https://towardsdatascience.com/feed

<!–

->