NumPy til numeriske beregninger
Udfør numeriske beregninger med høj ydeevne ved hjælp af NumPy.
NumPy til numeriske beregninger er en gratis Python Academy-lektion på CoddyKit. Dette er lektion 3 af 5. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Python Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Python Academy-kurset indeholder 5 lektioner i alt.
Introduktion til NumPy
NumPy er et effektivt Python-bibliotek til numeriske beregninger. Det understøtter arrays, matematiske funktioner og operationer, der er meget hurtigere end traditionelle Python-lister.
I denne lektion lærer du, hvordan du bruger NumPy til effektive numeriske operationer.

Installation af NumPy
Du installerer NumPy ved at bruge følgende kommando i din terminal:
pip install numpy
Når NumPy er installeret, kan du importere det i dine Python-scripts:
# Importing numpy
import numpy as np
print("NumPy imported successfully")Oprettelse af NumPy-arrays
NumPy-arrays er hurtigere og mere hukommelseseffektive end Python-lister. Du kan oprette arrays ud fra lister eller ved hjælp af indbyggede funktioner:
# Creating arrays
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr) # Outputs: [1 2 3 4]Operationer på arrays
NumPy understøtter elementvise operationer, som er meget hurtigere end at gennemløbe lister med løkker:
# Element-wise operations
arr = np.array([1, 2, 3, 4])
print(arr + 10) # Outputs: [11 12 13 14]Indeksering og udsnit af arrays
NumPy-arrays understøtter avanceret indeksering og udsnit:
# Indexing and slicing
arr = np.array([10, 20, 30, 40, 50])
print(arr[1:4]) # Outputs: [20 30 40]Arbejde med flerdimensionelle arrays
NumPy understøtter flerdimensionelle arrays (matricer):
# Creating a 2D array
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)Matematiske operationer
NumPy indeholder indbyggede matematiske funktioner til operationer som beregning af middelværdi, median og standardafvigelse:
# Mathematical operations
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr)) # Outputs: 3.0Generering af arrays
NumPy kan generere arrays med funktioner som arange og linspace:
# Generating arrays
arr = np.arange(0, 10, 2)
print(arr) # Outputs: [0 2 4 6 8]Almindelige fejl med NumPy
Her er nogle fejl, du bør undgå:
- At bruge Python-lister til store datasæt i stedet for NumPy-arrays.
- At glemme at kontrollere formen på flerdimensionelle arrays, før du udfører operationer.
- Ikke at udnytte vektoriserede operationer.
Hvad har du lært?
I denne lektion har du lært:
- Hvordan du installerer og importerer NumPy.
- Fordelene ved NumPy-arrays sammenlignet med Python-lister.
- Hvordan du udfører array-operationer samt indeksering og udsnit.
- Hvordan du arbejder med flerdimensionelle arrays og indbyggede matematiske funktioner.
Godt gået! Lad os gå videre til næste emne.

Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 76
- Lektioner
- 320
Ofte stillede spørgsmål
Er lektionen “NumPy til numeriske beregninger” gratis?
Ja — hele teksten til “NumPy til numeriske beregninger” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Python Academy-kurset, skal du opgradere til CoddyKit PRO. Python Academy-kurset indeholder 5 lektioner i alt.
Hvad lærer jeg i “NumPy til numeriske beregninger”?
Udfør numeriske beregninger med høj ydeevne ved hjælp af NumPy. Du øver dig i Python Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Python Academy?
Der kræves ingen tidligere erfaring. Python Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 3 af 5.
Hvor lang tid tager lektionen “NumPy til numeriske beregninger”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Python Academy-lektion?
Ja. Alle Python Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Dataanalyse med Pandas
- Datavisualisering med Matplotlib
- NumPy til numeriske beregninger
- Håndtering af API'er med requests
- Web scraping med BeautifulSoup