บทนำสู่ NumPy

NumPy เป็นไลบรารีไพธอนที่ทรงพลังสำหรับการคำนวณเชิงตัวเลข โดยรองรับอาร์เรย์ ฟังก์ชันทางคณิตศาสตร์ และการดำเนินการที่ทำงานได้เร็วกว่ารายการแบบไพธอนทั่วไปมาก

ในบทเรียนนี้ คุณจะได้เรียนรู้วิธีใช้ NumPy เพื่อดำเนินการเชิงตัวเลขอย่างมีประสิทธิภาพ

การติดตั้ง NumPy

หากต้องการติดตั้ง NumPy ให้ใช้คำสั่งต่อไปนี้ในเทอร์มินัล:

pip install numpy

เมื่อติดตั้งแล้ว คุณสามารถนำเข้าไลบรารีนี้ในสคริปต์ไพธอนได้:

# Importing numpy
import numpy as np

print("NumPy imported successfully")

การสร้างอาร์เรย์ NumPy

อาร์เรย์ NumPy ทำงานได้เร็วกว่าและใช้หน่วยความจำอย่างมีประสิทธิภาพมากกว่ารายการแบบไพธอน คุณสามารถสร้างอาร์เรย์จากรายการหรือใช้ฟังก์ชันในตัวได้:

# Creating arrays
import numpy as np

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

การดำเนินการกับอาร์เรย์

NumPy รองรับการดำเนินการกับสมาชิกแต่ละตัว ซึ่งเร็วกว่าการวนลูปผ่านรายการอย่างมาก:

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

การทำดัชนีและการตัดแบ่งอาร์เรย์

อาร์เรย์ของ NumPy รองรับการทำดัชนีและการตัดแบ่งขั้นสูง:

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

การทำงานกับอาร์เรย์หลายมิติ

NumPy รองรับอาร์เรย์หลายมิติ (เมทริกซ์):

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

การดำเนินการทางคณิตศาสตร์

NumPy มีฟังก์ชันทางคณิตศาสตร์ในตัวสำหรับการดำเนินการต่าง ๆ เช่น ค่าเฉลี่ย มัธยฐาน และส่วนเบี่ยงเบนมาตรฐาน:

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

การสร้างอาร์เรย์

NumPy สามารถสร้างอาร์เรย์ด้วยฟังก์ชันอย่าง arange และ linspace:

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

ข้อผิดพลาดที่พบบ่อยเมื่อใช้ NumPy

ต่อไปนี้คือข้อผิดพลาดบางอย่างที่ควรหลีกเลี่ยง:

• ใช้รายการของ Python กับชุดข้อมูลขนาดใหญ่แทนอาร์เรย์ของ NumPy
• ลืมตรวจสอบขนาดของอาร์เรย์หลายมิติก่อนดำเนินการ
• ไม่ใช้ประโยชน์จากการดำเนินการแบบเวกเตอร์

เราได้เรียนรู้อะไรบ้าง

ในบทเรียนนี้ คุณได้เรียนรู้:

• วิธีติดตั้งและนำเข้า NumPy
• ข้อดีของอาร์เรย์ NumPy เมื่อเทียบกับรายการของ Python
• วิธีดำเนินการกับอาร์เรย์ ทำดัชนี และตัดแบ่งอาร์เรย์
• วิธีทำงานกับอาร์เรย์หลายมิติและฟังก์ชันทางคณิตศาสตร์ในตัว

ทำได้ดีมาก! ไปต่อยังหัวข้อถัดไปกัน