Python Academy · Pelajaran

NumPy untuk Pengiraan Berangka

Laksanakan pengiraan berangka berprestasi tinggi dengan NumPy.

Pelajaran 3 daripada 511 langkah

NumPy untuk Pengiraan Berangka ialah pelajaran Python Academy percuma di CoddyKit. Ini ialah pelajaran 3 daripada 5. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Python Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Python Academy merangkumi sejumlah 5 pelajaran.

Pengenalan kepada NumPy

NumPy ialah pustaka Python yang berkuasa untuk pengiraan berangka. Pustaka ini menyokong tatasusunan, fungsi matematik dan operasi yang jauh lebih pantas berbanding senarai Python tradisional.

Dalam pelajaran ini, anda akan mempelajari cara menggunakan NumPy untuk operasi berangka yang cekap.

NumPy untuk Pengiraan Berangka — ilustrasi 1

Memasang NumPy

Untuk memasang NumPy, gunakan perintah berikut dalam terminal anda:

pip install numpy

Setelah dipasang, anda boleh mengimportnya dalam skrip Python anda:

# Importing numpy
import numpy as np

print("NumPy imported successfully")

Mencipta Tatasusunan NumPy

Tatasusunan NumPy lebih pantas dan menggunakan memori dengan lebih cekap berbanding senarai Python. Anda boleh mencipta tatasusunan daripada senarai atau menggunakan fungsi terbina dalam:

# Creating arrays
import numpy as np

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

Operasi Tatasusunan

NumPy menyokong operasi mengikut unsur, yang jauh lebih pantas berbanding menggelung melalui senarai:

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

Pengindeksan dan Penghirisan Tatasusunan

Tatasusunan NumPy menyokong pengindeksan dan penghirisan lanjutan:

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

Bekerja dengan Tatasusunan Berbilang Dimensi

NumPy menyokong tatasusunan berbilang dimensi (matriks):

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

Operasi Matematik

NumPy menyediakan fungsi matematik terbina dalam untuk operasi seperti mean, median dan sisihan piawai:

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

Menjana Tatasusunan

NumPy boleh menjana tatasusunan dengan fungsi seperti arange dan linspace:

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

Kesilapan Lazim dengan NumPy

Berikut ialah beberapa kesilapan yang perlu dielakkan:

  • Menggunakan senarai Python untuk set data yang besar dan bukannya tatasusunan NumPy.
  • Terlupa memeriksa bentuk tatasusunan berbilang dimensi sebelum melakukan operasi.
  • Tidak memanfaatkan operasi vektor.

Apakah yang Kita Pelajari?

Dalam pelajaran ini, anda telah mempelajari:

  • Cara memasang dan mengimport NumPy.
  • Kelebihan tatasusunan NumPy berbanding senarai Python.
  • Cara melakukan operasi, pengindeksan dan penghirisan tatasusunan.
  • Cara bekerja dengan tatasusunan berbilang dimensi dan fungsi matematik terbina dalam.

Syabas! Mari beralih ke topik seterusnya.

NumPy untuk Pengiraan Berangka — ilustrasi 11
Percuma untuk bermula

Pelajari Python dengan tutor kecerdasan buatan — percuma

Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.

Kursus
76
Pelajaran
320

Soalan Lazim

Adakah pelajaran “NumPy untuk Pengiraan Berangka” percuma?

Ya — teks penuh “NumPy untuk Pengiraan Berangka” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus Python Academy, tingkat taraf kepada CoddyKit PRO. Kursus Python Academy merangkumi sejumlah 5 pelajaran.

Apakah yang akan saya pelajari dalam “NumPy untuk Pengiraan Berangka”?

Laksanakan pengiraan berangka berprestasi tinggi dengan NumPy. Anda berlatih Python Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.

Adakah saya memerlukan pengalaman untuk memulakan Python Academy?

Tiada pengalaman terdahulu diperlukan. Pembelajaran Python Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 3 daripada 5.

Berapa lamakah pelajaran “NumPy untuk Pengiraan Berangka” diambil?

Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.

Bolehkah saya menulis dan menjalankan kod dalam pelajaran Python Academy ini?

Ya. Setiap pelajaran Python Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.

Semua pelajaran dalam kursus ini

  1. Analisis Data dengan Pandas
  2. Visualisasi Data dengan Matplotlib
  3. NumPy untuk Pengiraan Berangka
  4. Mengendalikan API dengan requests
  5. Pengikisan Web dengan BeautifulSoup
← Kembali ke Python Academy