دوره آموزش numpy پایتون

پیاده سازی پیش فرض پایتون (معروف به CPython) برخی از عملیات ها را بسیار کند انجام می دهد. این تا حدی به دلیل ماهیت پویا و تفسیر شده پایتون است، به طوری که دنباله‌های عملیات را نمی‌توان به کد ماشین کارآمد مانند زبان‌هایی مانند C و Fortran کامپایل کرد. برای حل این مشکل ابزارهای مختلفی ایجاد شده است.

 

# کتابخانه numpy پایتون

NumPy یک کتابخانه منبع باز قدرتمند، به خوبی بهینه شده و رایگان برای زبان برنامه نویسی پایتون است که از آرایه های بزرگ و چند بعدی (همچنین ماتریس یا تانسور نامیده می شود) پشتیبانی می کند. NumPy همچنین مجهز به مجموعه ای از توابع ریاضی سطح بالا برای کار در ارتباط با این آرایه ها است. اینها عبارتند از جبر خطی پایه، شبیه سازی تصادفی، تبدیل فوریه، عملیات مثلثاتی و عملیات آماری.

 

NumPy بسیار محبوب است زیرا به طور چشمگیری سهولت و عملکرد کار با آرایه های چند بعدی را بهبود می بخشد. عملیات ریاضی روی اشیاء ndarray تا 50 برابر سریعتر از تکرار بر روی لیست های پایتون با استفاده از حلقه ها است. افزایش بهره وری در درجه اول به دلیل ذخیره عناصر آرایه NumPy در یک مکان منفرد مرتب شده در حافظه، حذف افزونگی ها با داشتن همه عناصر یکسان و استفاده کامل از CPU های مدرن است. مزایای بهره وری به ویژه در هنگام کار بر روی آرایه هایی با هزاران یا میلیون ها عنصر آشکار می شود که در علم داده کاملاً استاندارد هستند.

 

NumPy کاندیدای خوبی برای اولین کتابخانه ای است که برای شروع علم داده با پایتون یاد میگیرید. بعد از NumPy، گزینه های منطقی بعدی برای رشد در علم داده و قابلیت های محاسبات علمی شما ممکن است SciPy و pandas باشند. هنگامی که NumPy همراه با سایر کتابخانه های پایتون مانند Matplotlib استفاده می شود، می تواند به عنوان یک جایگزین کامل برای عملکرد اصلی MATLAB در نظر گرفته شود.

 

# آیا دوره آموزش Numpy پیش نیاز دارد؟

دوره آموزش numpy جزو دوره‌های پیشرفته محسوب شده و انتظار میرود دانشجو درک درستی از مفاهیم کلی برنامه نویسی داشته باشد. این دوره برای افراد مبتدی پیشنهاد نشده و مناسب افرادی است که با زبان برنامه نویسی پایتون به خوبی آشنا هستند. اگر با پایتون آشنا نیستید میتوانید از دوره آموزش پایتون استفاده کنید. در این دوره با مهمترین ابزارهایی که در کتابخانه numpy پایتون وجود دارد آشنا خواهید شد. بهتر است نسخه پایتونی که برای این دوره استفاده میکنید بیشتر از 3.9 باشد.



0

intro

9:14

رایگان

1

array

18:4

رایگان

2

attrs

13:57

رایگان

3

creation routines

10:43

رایگان

4

broadcasting

10:9

رایگان

5

input/output

14:20

رایگان

6

mask

11:30

رایگان

7

subok

10:27

رایگان

8

ufunc

10:55

رایگان

9

structured

10:19

رایگان

10

search

13:23

رایگان

11

random

18:29

رایگان

12

linspace

9:12

رایگان

13

meshgrid

12:38

رایگان

دوره های پیشنهادی

دوره آموزش numpy پایتون
دوره آموزش numpy پایتون
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش سلری(celery)
دوره آموزش سلری(celery)
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش ساخت Forum با فلسک
دوره آموزش ساخت Forum با فلسک
تکمیل ضبط
امیرحسین بیگدلو



مونگارد