संख्यात्मक गणनाओं के लिए NumPy

NumPy संख्यात्मक गणनाओं के लिए एक शक्तिशाली पाइथन लाइब्रेरी है। यह सरणियों, गणितीय फ़ंक्शनों और ऐसे संचालन की सुविधा देता है जो पारंपरिक पाइथन सूचियों की तुलना में बहुत तेज़ होते हैं।

इस पाठ में आप कुशल संख्यात्मक संचालन के लिए NumPy का उपयोग करना सीखेंगे।

NumPy इंस्टॉल करने के लिए अपने टर्मिनल में निम्नलिखित कमांड का उपयोग करें:

pip install numpy

इंस्टॉल करने के बाद आप इसे अपने पाइथन प्रोग्रामों में इम्पोर्ट कर सकते हैं:

# Importing numpy
import numpy as np

print("NumPy imported successfully")

NumPy सरणियाँ पाइथन सूचियों की तुलना में तेज़ और अधिक मेमोरी-कुशल होती हैं। आप सूचियों से या अंतर्निहित फ़ंक्शनों का उपयोग करके सरणियाँ बना सकते हैं:

# Creating arrays
import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr)  # Outputs: [1 2 3 4]

NumPy प्रत्येक तत्व पर संचालन की सुविधा देता है, जो सूचियों पर बार-बार प्रक्रिया चलाने की तुलना में बहुत तेज़ होते हैं:

# Element-wise operations
arr = np.array([1, 2, 3, 4])
print(arr + 10)  # Outputs: [11 12 13 14]

NumPy सरणियाँ उन्नत अनुक्रमण और खंड-निर्धारण की सुविधा देती हैं:

# Indexing and slicing
arr = np.array([10, 20, 30, 40, 50])
print(arr[1:4])  # Outputs: [20 30 40]

NumPy बहुआयामी सरणियों यानी मैट्रिस का समर्थन करता है:

# Creating a 2D array
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)

NumPy mean, माध्यिका और मानक विचलन जैसी गणनाओं के लिए अंतर्निहित गणितीय फ़ंक्शन उपलब्ध कराता है:

# Mathematical operations
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))  # Outputs: 3.0

NumPy arange और linspace जैसे फ़ंक्शनों से सरणियाँ बना सकता है:

# Generating arrays
arr = np.arange(0, 10, 2)
print(arr)  # Outputs: [0 2 4 6 8]

यहाँ कुछ ऐसी गलतियाँ दी गई हैं जिनसे बचना चाहिए:

• बड़े डेटा-समुच्चयों के लिए NumPy सरणियों के बजाय पाइथन सूचियों का उपयोग करना।
• संचालन करने से पहले बहुआयामी सरणियों का आकार जाँचना भूल जाना।
• वेक्टरकृत संचालन का लाभ न उठाना।

इस पाठ में आपने सीखा:

• NumPy को इंस्टॉल और इम्पोर्ट करना।
• पाइथन सूचियों की तुलना में NumPy सरणियों के लाभ।
• सरणी संचालन, अनुक्रमण और खंड-निर्धारण करना।
• बहुआयामी सरणियों और अंतर्निहित गणितीय फ़ंक्शनों के साथ काम करना।

बहुत अच्छा! अब अगले विषय पर चलते हैं।