Breve introduzione a NumPy

Alcune conoscenze di base della libreria NumPy e di ufuncs

NumPy sta per Numerical Python ed è un file Python libreria per lavorare con gli array. Con l'aiuto di questi array è possibile rappresentare elementi dell'algebra lineare, come vettori e matrici Python. Poiché gran parte della libreria è scritta in C, può eseguire calcoli particolarmente efficienti e veloci anche con matrici di grandi dimensioni.

Python offre una varietà di strutture dati che possono essere utilizzate per archiviare dati senza librerie aggiuntive. Tuttavia, queste strutture, come Elenchi Python, sono solo molto poco adatti per le operazioni matematiche. Aggiungendone due list di numeri elemento per elemento può rapidamente compromettere le prestazioni quando si gestiscono grandi quantità di dati.

Per questo motivo è stato sviluppato NumPy, poiché offre la possibilità di eseguire operazioni numeriche in modo rapido ed efficiente. Particolarmente importanti sono i calcoli nel campo dell'algebra lineare, come le moltiplicazioni di matrici.

NumPy, come molte altre librerie, può essere installato direttamente da un notebook utilizzando pip. Per fare ciò, utilizzare il comando "pip install" insieme al nome del modulo. Questa riga deve essere preceduta da un punto esclamativo affinché il notebook riconosca che si tratta di un comando da terminale:

Se l'installazione ha avuto successo, il modulo può essere semplicemente importato e utilizzato nel notebook. Qui viene spesso utilizzata l'abbreviazione “np” per risparmiare un po' di tempo nel corso della programmazione e per non dover inserire NumPy ogni volta:

Gli array NumPy sono una valida alternativa a quelli convenzionali Elenchi Python. Offrono la possibilità di archiviare raccolte di dati multidimensionali. Nella maggior parte dei casi, i numeri vengono memorizzati e gli array vengono utilizzati come vettori o matrici. Ad esempio, un vettore unidimensionale potrebbe assomigliare a questo:

Oltre alle diverse funzioni degli array NumPy, di cui parleremo in un post separato, le possibili dimensionalità sono ancora importanti per la differenziazione:

Si distinguono le seguenti dimensionalità:

• 0D: matrice: Questo è semplicemente uno scalare, cioè un singolo numero o valore.
• 1D: matrice: Questo è un vettore, come una stringa di numeri o valori in una dimensione.
• 2D: matrice: Questo tipo di array è una matrice, ovvero una raccolta di diversi array 1D.
• 3D: matrice: Più matrici formano un cosiddetto tensore. Li abbiamo spiegati più dettagliatamente nel nostro articolo su TensorFlow.

A seconda della fonte, ci sono molte differenze fondamentali tra gli array NumPy e Elenchi Python. Tra quelli più comunemente menzionati ci sono:

1. Consumo di memoria: Gli array sono programmati in modo tale da occupare una certa parte della memoria. Tutti gli elementi dell'array si trovano quindi lì. Gli elementi di a stratagemma, d'altra parte, possono essere molto distanti nella memoria. Di conseguenza, a stratagemma consuma più memoria di un array identico.
2. Velocità: Gli array possono anche essere elaborati molto più velocemente di list grazie al minor consumo di memoria. Ciò può fare una differenza significativa per oggetti con diversi milioni di elementi.
3. Funzionalità: Gli array offrono molte più funzionalità, ad esempio consentono operazioni elemento per elemento, mentre gli elenchi no.

Le cosiddette “Funzioni Universali” (abbreviazione: ufuncs) servono per non dover eseguire determinate operazioni elemento per elemento, ma direttamente per l'intero array. Nella programmazione informatica si parla di cosiddetta vettorizzazione, quando i comandi vengono eseguiti direttamente per l'intero vettore.

Questo non solo rende la programmazione molto più veloce, ma porta anche a calcoli più rapidi. In NumPy vengono offerte molte di queste funzioni universali, che possono essere utilizzate per una varietà di operazioni. Tra i più noti ci sono:

• Con "add()" puoi sommare più array elemento per elemento.
• “subtract()” è l'esatto opposto e sottrae l'elemento dell'array per elemento.
• "multiply()" moltiplica due array elemento per elemento.
• “matmul()” costituisce il prodotto matrice di due array. Tieni presente che nella maggior parte dei casi ciò non darà lo stesso risultato di "moltiplica()".

• NumPy sta per Numerical Python ed è una libreria Python per lavorare con gli array.
• Con l'aiuto di questi array è possibile rappresentare in Python elementi dell'algebra lineare, come vettori e matrici.
• Poiché gran parte della libreria è scritta in C, può eseguire calcoli particolarmente efficienti e veloci anche con matrici di grandi dimensioni.
• Gli array NumPy sono paragonabili agli elenchi Python ma sono significativamente superiori ad essi in termini di requisiti di memoria e velocità di elaborazione.

Breve introduzione a NumPy ripubblicata dalla fonte https://towardsdatascience.com/3short-introduction-to-numpy-3a65ec23eaba?source=rss—-7f60cf5620c9—4 tramite https://towardsdatascience.com/feed

<!–

->