NumPy do obliczeń numerycznych
Wykonuj wydajne obliczenia numeryczne za pomocą NumPy.
NumPy do obliczeń numerycznych to bezpłatna lekcja Learn AI with Python na CoddyKit. To lekcja 3 z 5. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Learn AI with Python, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Learn AI with Python zawiera 5 lekcji w sumie.
Wprowadzenie do NumPy
Wprowadzenie do NumPy
NumPy to potężna biblioteka języka Python do obliczeń numerycznych. Zapewnia obsługę tablic, funkcji matematycznych i operacji, które są znacznie szybsze niż w przypadku tradycyjnych list Pythona.
W tej lekcji nauczą się Państwo korzystać z NumPy do wydajnego wykonywania operacji numerycznych.

Instalowanie NumPy
Instalowanie NumPy
Aby zainstalować NumPy, proszę użyć następującego polecenia w terminalu:
pip install numpy
Po zainstalowaniu można zaimportować tę bibliotekę w skryptach Pythona:
# Importing numpy
import numpy as np
print("NumPy imported successfully")Tworzenie tablic NumPy
Tworzenie tablic NumPy
Tablice NumPy są szybsze i bardziej oszczędne pod względem pamięci niż listy Pythona. Tablice można tworzyć na podstawie list lub za pomocą wbudowanych funkcji:
# Creating arrays
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr) # Outputs: [1 2 3 4]Operacje na tablicach
Operacje na tablicach
NumPy obsługuje operacje wykonywane element po elemencie, które są znacznie szybsze niż iterowanie po listach:
# Element-wise operations
arr = np.array([1, 2, 3, 4])
print(arr + 10) # Outputs: [11 12 13 14]Indeksowanie i wycinanie tablic
Indeksowanie i wycinanie tablic
Tablice NumPy obsługują zaawansowane indeksowanie i wycinanie fragmentów:
# Indexing and slicing
arr = np.array([10, 20, 30, 40, 50])
print(arr[1:4]) # Outputs: [20 30 40]Praca z tablicami wielowymiarowymi
Praca z tablicami wielowymiarowymi
NumPy obsługuje tablice wielowymiarowe (macierze):
# Creating a 2D array
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)Operacje matematyczne
Operacje matematyczne
NumPy udostępnia wbudowane funkcje matematyczne do wykonywania operacji takich jak obliczanie średniej, mediany i odchylenia standardowego:
# Mathematical operations
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr)) # Outputs: 3.0Generowanie tablic
Generowanie tablic
NumPy może generować tablice za pomocą funkcji takich jak arange i linspace:
# Generating arrays
arr = np.arange(0, 10, 2)
print(arr) # Outputs: [0 2 4 6 8]Typowe błędy w NumPy
Typowe błędy w NumPy
Oto błędy, których należy unikać:
- Używanie list Pythona dla dużych zbiorów danych zamiast tablic NumPy.
- Zapominanie o sprawdzeniu kształtu tablic wielowymiarowych przed wykonaniem operacji.
- Niewykorzystywanie możliwości operacji wektorowych.
Czego się nauczyliśmy?
Czego się nauczyliśmy?
W tej lekcji nauczyli się Państwo:
- Jak zainstalować i zaimportować NumPy.
- Jakie zalety mają tablice NumPy w porównaniu z listami Pythona.
- Jak wykonywać operacje na tablicach, indeksować je i wycinać ich fragmenty.
- Jak pracować z tablicami wielowymiarowymi i wbudowanymi funkcjami matematycznymi.
Świetna robota! Przejdźmy do następnego tematu.

Często zadawane pytania
Czy lekcja „NumPy do obliczeń numerycznych” jest bezpłatna?
Tak — pełny tekst „NumPy do obliczeń numerycznych” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Learn AI with Python, przejdź na CoddyKit PRO. Kurs Learn AI with Python zawiera 5 lekcji w sumie.
Co nauczysz się w „NumPy do obliczeń numerycznych”?
Wykonuj wydajne obliczenia numeryczne za pomocą NumPy. Ćwiczysz Learn AI with Python z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Learn AI with Python?
Nie wymagamy żadnego doświadczenia. Learn AI with Python w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 5.
Ile czasu zajmuje lekcja „NumPy do obliczeń numerycznych”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Learn AI with Python?
Tak. Każda lekcja Learn AI with Python zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Analiza danych z Pandas
- Wizualizacja danych z Matplotlib
- NumPy do obliczeń numerycznych
- Obsługa API z requests
- Web scraping z BeautifulSoup