NumPy (Numerical Python) to popularna biblioteka w języku Python, która oferuje wsparcie dla obliczeń naukowych i inżynieryjnych. Jest szeroko stosowana w analizie danych, przetwarzaniu obrazów, statystyce oraz w uczeniu maszynowym. Głównym elementem NumPy są wielowymiarowe tablice (ndarray), które pozwalają na przechowywanie i operowanie na dużych zbiorach danych numerycznych w sposób efektywny pod względem pamięci i szybkości.
Kluczowe cechy NumPy:
Wielowymiarowe tablice (ndarray) – NumPy pozwala na tworzenie tablic n-wymiarowych, które mogą przechowywać dane jednego typu, takie jak liczby całkowite, zmiennoprzecinkowe czy logiczne. Tablice NumPy są znacznie bardziej wydajne niż tradycyjne listy w Pythonie, zwłaszcza przy dużych zbiorach danych.
Broadcasting – Funkcja pozwala na wykonywanie operacji arytmetycznych na tablicach o różnych wymiarach bez konieczności dopasowywania ich rozmiarów, co przyspiesza operacje na danych.
Szeroki zakres funkcji matematycznych – NumPy oferuje bogaty zestaw funkcji do operacji matematycznych, takich jak sumowanie, różnicowanie, operacje na macierzach, funkcje trygonometryczne i statystyczne.
Algebra liniowa – NumPy obsługuje operacje macierzowe, takie jak mnożenie macierzy, wyznaczniki, rozkłady macierzy (np. rozkład QR, SVD), oraz rozwiązania równań liniowych.
Integracja z innymi bibliotekami – NumPy stanowi fundament dla wielu innych bibliotek w ekosystemie Pythona, takich jak pandas, scikit-learn czy TensorFlow, co czyni go kluczowym narzędziem w analizie danych i uczeniu maszynowym.
Przykład użycia:
pythonimport numpy as np # Tworzenie tablicy NumPy a = np.array([1, 2, 3, 4]) b = np.array([5, 6, 7, 8]) # Operacje na tablicach sum_result = a + b # Dodawanie elementów tablic dot_product = np.dot(a, b) # Iloczyn skalarny
NumPy jest niezbędnym narzędziem do pracy z dużymi zbiorami danych i obliczeniami numerycznymi w Pythonie, oferując zarówno wysoką wydajność, jak i prostotę obsługi.
