NumPy för numeriska beräkningar
Utför högpresterande numeriska beräkningar med NumPy.
NumPy för numeriska beräkningar är en gratis lektion i Python Academy på CoddyKit. Detta är lektion 3 av 5. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Python Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Python Academy innehåller totalt 5 lektioner.
Introduktion till NumPy
NumPy är ett kraftfullt Python-bibliotek för numeriska beräkningar. Det tillhandahåller stöd för arrayer, matematiska funktioner och operationer som är mycket snabbare än traditionella Python-listor.
I den här lektionen lär du dig att använda NumPy för effektiva numeriska operationer.

Installera NumPy
Installera NumPy genom att använda följande kommando i terminalen:
pip install numpy
När biblioteket har installerats kan du importera det i dina Python-skript:
# Importing numpy
import numpy as np
print("NumPy imported successfully")Skapa NumPy-arrayer
NumPy-arrayer är snabbare och mer minneseffektiva än Python-listor. Du kan skapa arrayer från listor eller med hjälp av inbyggda funktioner:
# Creating arrays
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr) # Outputs: [1 2 3 4]Arrayoperationer
NumPy stöder elementvisa operationer, som är mycket snabbare än att loopa igenom listor:
# Element-wise operations
arr = np.array([1, 2, 3, 4])
print(arr + 10) # Outputs: [11 12 13 14]Indexering och slicing av arrayer
NumPy-arrayer stöder avancerad indexering och slicing:
# Indexing and slicing
arr = np.array([10, 20, 30, 40, 50])
print(arr[1:4]) # Outputs: [20 30 40]Arbeta med flerdimensionella arrayer
NumPy stöder flerdimensionella arrayer (matriser):
# Creating a 2D array
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)Matematiska operationer
NumPy tillhandahåller inbyggda matematiska funktioner för operationer som medelvärde, median och standardavvikelse:
# Mathematical operations
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr)) # Outputs: 3.0Generera arrayer
NumPy kan generera arrayer med funktioner som arange och linspace:
# Generating arrays
arr = np.arange(0, 10, 2)
print(arr) # Outputs: [0 2 4 6 8]Vanliga misstag med NumPy
Här är några misstag du bör undvika:
- Att använda Python-listor för stora datamängder i stället för NumPy-arrayer.
- Att glömma att kontrollera formen på flerdimensionella arrayer innan du utför operationer.
- Att inte dra nytta av vektoriserade operationer.
Vad har vi lärt oss?
I den här lektionen har du lärt dig:
- Hur du installerar och importerar NumPy.
- Fördelarna med NumPy-arrayer jämfört med Python-listor.
- Hur du utför arrayoperationer, indexering och slicing.
- Hur du arbetar med flerdimensionella arrayer och inbyggda matematiska funktioner.
Bra jobbat! Nu går vi vidare till nästa ämne.

Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 76
- Lektioner
- 320
Vanliga frågor
Är lektionen ”NumPy för numeriska beräkningar” gratis?
Ja – hela texten till ”NumPy för numeriska beräkningar” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Python Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Python Academy innehåller totalt 5 lektioner.
Vad lär jag mig i ”NumPy för numeriska beräkningar”?
Utför högpresterande numeriska beräkningar med NumPy. Ni övar på Python Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Python Academy?
Du behöver inga förkunskaper. Utbildningen i Python Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 3 av 5.
Hur lång tid tar lektionen ”NumPy för numeriska beräkningar”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Python Academy-lektionen?
Ja. Varje Python Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Dataanalys med Pandas
- Datavisualisering med Matplotlib
- NumPy för numeriska beräkningar
- Hantera API:er med requests
- Webbskrapning med BeautifulSoup