NumPy Dizileri ve dtypes
ndarray'ler oluşturun, dtypes'ı öğrenin ve dizi özelliklerini keşfedin.
NumPy Dizileri ve dtypes, CoddyKit'te ücretsiz bir Python Academy dersidir. Bu, 4 dersinin 1. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Python Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Python Academy kursu toplamda 4 dersten oluşur.
NumPy Nedir?
NumPy, Python listelerinden katlarca daha hızlı vektörleştirilmiş işlemleri destekleyen, sabit türde ve bitişik bellekte bulunan bir dizi olan ndarray'yi sağlar.
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr) # [1 2 3 4 5]
print(arr * 2) # [ 2 4 6 8 10] (no Python loop)Dizi Oluşturma
Yaygın oluşturma işlevleri şunlardır: np.array(), np.zeros(), np.ones(), np.arange(), np.linspace().
import numpy as np
print(np.zeros((2, 3))) # 2x3 array of 0.0
print(np.ones(5)) # [1. 1. 1. 1. 1.]
print(np.arange(0, 10, 2)) # [0 2 4 6 8]
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]dtypes
Her NumPy dizisinin tek bir dtype'ı vardır. Yaygın dtypes şunlardır: int32, int64, float32, float64, bool, complex128.
import numpy as np
a = np.array([1, 2, 3]) # int64 by default
b = np.array([1.0, 2.0]) # float64
c = np.array([1, 2], dtype=np.float32)
print(a.dtype) # int64
print(c.dtype) # float32Dizi Şekli ve ndim
shape, boyutların büyüklüklerinden oluşan bir demettir. ndim, boyut sayısıdır. size, toplam öğe sayısıdır.
import numpy as np
m = np.ones((3, 4))
print(m.shape) # (3, 4)
print(m.ndim) # 2
print(m.size) # 12
print(m.dtype) # float64Yeniden Şekillendirme
reshape(), yeni şekle sahip bir görünüm döndürür (veri aynıdır). flatten(), 1 boyutlu dizi olarak bir kopya döndürür.
import numpy as np
arr = np.arange(12)
mat = arr.reshape(3, 4)
print(mat)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
print(mat.flatten()) # [ 0 1 2 3 ...]Tür Dönüştürme
Bir diziyi farklı bir türe dönüştürmek için arr.astype(dtype) kullanın. Bu işlem her zaman bir kopya döndürür.
import numpy as np
arr = np.array([1, 2, 3])
float_arr = arr.astype(np.float64)
print(float_arr) # [1. 2. 3.]
print(float_arr.dtype) # float64Rastgele Diziler
np.random ile rastgele diziler oluşturun: düzgün dağılımlı, normal dağılımlı ve tamsayı değerler.
import numpy as np
rng = np.random.default_rng(seed=42) # reproducible
print(rng.random(5)) # 5 uniform [0,1)
print(rng.standard_normal(3)) # 3 normal(0,1)
print(rng.integers(1, 10, 4)) # 4 ints [1,10)Dizi Belleğini İnceleme
itemsize öğe başına bayt sayısını; nbytes toplam bayt sayısını verir.
import numpy as np
arr = np.zeros(1_000_000, dtype=np.float64)
print(arr.itemsize) # 8
print(arr.nbytes) # 8_000_000 (8 MB)
small = arr.astype(np.float32)
print(small.nbytes) # 4_000_000 (4 MB)np.empty ve np.full
np.empty, başlangıç değeri atamadan bellek ayırır (hızlıdır). np.full, diziyi sabit bir değerle doldurur.
import numpy as np
e = np.empty((2,3)) # uninitialised — random garbage values
f = np.full((2,3), fill_value=7)
print(f)
# [[7 7 7]
# [7 7 7]]Kopya ve Görünüm
Bir NumPy dizisini dilimlemek bir görünüm döndürür (kopya oluşturulmaz). Görünümün değiştirilmesi özgün diziyi de değiştirir. Bağımsız bir dizi için .copy() kullanın.
import numpy as np
arr = np.array([1, 2, 3, 4])
view = arr[1:3]
view[0] = 99
print(arr) # [ 1 99 3 4] — original changed!
copy = arr[1:3].copy()
copy[0] = 0
print(arr) # unchangedYapılandırılmış Diziler
Yapılandırılmış diziler, adlandırılmış alanlara sahip tek bir ndarray içinde heterojen verileri (C struct'ı gibi) saklar.
import numpy as np
dt = np.dtype([('name', 'U10'), ('age', np.int32), ('score', np.float64)])
people = np.array([
('Alice', 30, 95.5),
('Bob', 25, 87.3),
], dtype=dt)
print(people['name']) # ['Alice' 'Bob']Hızlı Kontrol
arr.reshape(3, 4) ne döndürür?
Özet
NumPy'nin ndarray'si sabit türde ve bitişik bellekte bulunan bir dizidir. Temel öznitelikler: shape, dtype, ndim, nbytes. Dilimleme görünümler döndürür; bağımsızlık için .copy() kullanın. Bellekten tasarruf etmek için yeterli olan en küçük dtype'ı seçin.
Yapay zeka eğitmeniyle Python öğren — ücretsiz
Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.
- Kurslar
- 76
- Dersler
- 320
Sıkça Sorulan Sorular
“NumPy Dizileri ve dtypes” dersi ücretsiz mi?
Evet — “NumPy Dizileri ve dtypes” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Python Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Python Academy kursu toplamda 4 dersten oluşur.
“NumPy Dizileri ve dtypes” dersinde ne öğreneceğim?
ndarray'ler oluşturun, dtypes'ı öğrenin ve dizi özelliklerini keşfedin. Python Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Python Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Python Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 1. dersidir.
“NumPy Dizileri ve dtypes” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Python Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Python Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- NumPy Dizileri ve dtypes
- Dizi İşlemleri ve Yayınlama
- İndeksleme, Dilimleme ve Gelişmiş İndeksleme
- NumPy ile Doğrusal Cebir