Python Academy · leksjon

NumPy for numeriske beregninger

Utfør numeriske beregninger med høy ytelse med NumPy.

Leksjon 3 av 511 trinn

NumPy for numeriske beregninger er en gratis leksjon i Python Academy på CoddyKit. Dette er leksjon 3 av 5. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Python Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Python Academy inneholder totalt 5 leksjoner.

Introduksjon til NumPy

NumPy er et kraftig Python-bibliotek for numeriske beregninger. Det støtter tabeller, matematiske funksjoner og operasjoner som er mye raskere enn tradisjonelle Python-lister.

I denne leksjonen lærer du hvordan du bruker NumPy til effektive numeriske operasjoner.

NumPy for numeriske beregninger — illustrasjon 1

Installere NumPy

Bruk følgende kommando i terminalen for å installere NumPy:

pip install numpy

Når NumPy er installert, kan du importere det i Python-skriptene dine:

# Importing numpy
import numpy as np

print("NumPy imported successfully")

Lage NumPy-tabeller

NumPy-tabeller er raskere og mer minneeffektive enn Python-lister. Du kan lage tabeller fra lister eller ved hjelp av innebygde funksjoner:

# Creating arrays
import numpy as np

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

Tabelloperasjoner

NumPy støtter elementvise operasjoner, som er mye raskere enn å gå gjennom lister med løkker:

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

Indeksering og utsnitt av tabeller

NumPy-tabeller støtter avansert indeksering og oppdeling i utsnitt:

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

Arbeide med flerdimensjonale tabeller

NumPy støtter flerdimensjonale tabeller (matriser):

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

Matematiske operasjoner

NumPy tilbyr innebygde matematiske funksjoner for operasjoner som gjennomsnitt, median og standardavvik:

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

Generere tabeller

NumPy kan generere tabeller med funksjoner som arange og linspace:

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

Vanlige feil med NumPy

Her er noen feil du bør unngå:

  • Å bruke Python-lister for store datasett i stedet for NumPy-tabeller.
  • Å glemme å kontrollere formen på flerdimensjonale tabeller før du utfører operasjoner.
  • Å ikke utnytte vektoriserte operasjoner.

Hva har vi lært?

I denne leksjonen har du lært:

  • Hvordan du installerer og importerer NumPy.
  • Fordelene med NumPy-tabeller sammenlignet med Python-lister.
  • Hvordan du utfører tabelloperasjoner, indeksering og oppdeling i utsnitt.
  • Hvordan du arbeider med flerdimensjonale tabeller og innebygde matematiske funksjoner.

Godt jobbet! La oss gå videre til neste emne.

NumPy for numeriske beregninger — illustrasjon 11
Gratis å komme i gang

Lær deg Python med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs
76
Leksjoner
320

Ofte stilte spørsmål

Er leksjonen «NumPy for numeriske beregninger» gratis?

Ja – hele teksten i «NumPy for numeriske beregninger» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av Python Academy-kurset, kan du oppgradere til CoddyKit PRO. Kurset i Python Academy inneholder totalt 5 leksjoner.

Hva lærer jeg i «NumPy for numeriske beregninger»?

Utfør numeriske beregninger med høy ytelse med NumPy. Du øver på Python Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med Python Academy?

Ingen tidligere erfaring er nødvendig. Python Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 3 av 5.

Hvor lang tid tar leksjonen «NumPy for numeriske beregninger»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne Python Academy-leksjonen?

Ja. Alle Python Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

  1. Dataanalyse med Pandas
  2. Datavisualisering med Matplotlib
  3. NumPy for numeriske beregninger
  4. Håndtere API-er med requests
  5. Webskraping med BeautifulSoup
← Tilbake til Python Academy