معرفی ماژول یا کتابخانه نامپای در پایتون (Python NumPy)

ماژول NumPy یک کتابخانه پایتون (Python) است که برای کار با آرایه ها (Arrays) استفاده می شود.

همچنین دارای توابعی برای کار در حوزه جبر خطی (linear algebra)، تبدیل فوریه (fourier transform) و ماتریس ها (matrices) است.

NumPy در سال 2005 توسط Travis Oliphant به وجود آمد که یک پروژه منبع باز (Open Source) است و می توانید به صورت رایگان از آن استفاده کنید.

بهزاد میرزازاده بهزاد میرزازاده

زمان مطالعه

3 دقیقه

بازدید

281

پرسش و پاسخ

0
معرفی ماژول یا کتابخانه نامپای در پایتون (Python NumPy)

Travis Oliphant خالق ماژول NumPy در پایتون (Python)

NumPy مخفف عبارت Numerical Python است.

چرا باید از NumPy (نامپای) استفاده کنیم؟

چرا ماژول NumPy

ما از لیست ها (Lists) در پایتون به منظور آرایه ها (Arrays) استفاده می کنیم، اما پردازش آن ها کند است.

هدف NumPy ارائه یک شی آرایه ای است که حداکثر 50 برابر سریع تر از لیست های سنتی پایتون باشد.

شی آرایه ای در NumPy، ndarray نام دارد که بسیاری از توابع را پشتیبانی می کند و این کار با ndarray را بسیار آسان می کند.

آرایه ها اغلب در علم داده (Data Science) استفاده می شوند، بنابراین سرعت و منابع بسیار حائز اهمیت هستند.

تعریف علم داده (Data Science): شاخه ای از علوم کامپیوتر است که در آن نحوه ذخیره، استفاده و تجزیه و تحلیل داده ها برای به دست آوردن اطلاعات از آن را مطالعه می کنیم.

چرا NumPy سریعتر از لیست (List) است؟

ماژول NumPy یا نامپای سریع تر از لیست ها (Lists) در پایتون (Python)

آرایه های NumPy برخلاف لیست ها (Lists) در یک مکان از حافظه، به صورت پیوسته ذخیره می شوند، بنابراین فرآیندها می توانند به آن ها دسترسی داشته باشند و آن ها را دستکاری کنند که بسیار کارآمد است.

این رفتار در علوم کامپیوتر، محل مرجع (Locality of Reference) نامیده می شود.

این دلیل اصلی سریع تر بودن NumPy از لیست ها (Lists) است که برای کار با جدیدترین معماری CPU بهینه شده است.

NumPy با کدام زبان برنامه نویسی نوشته شده است؟

ماژول نامپای به چه زبانی خلق شده است؟

NumPy یا نامپای یک کتابخانه پایتون است و تا حد زیادی با پایتون نوشته شده است، اما بیشتر قسمت هایی که نیاز به محاسبه سریع دارند با C یا ++C نوشته شده است.

منبع کد NumPy در کجا قرار دارد؟

منبع کد NumPy در مخزن GitHub زیر قرار دارد:

کد منبع NumPy

گیت هاب: بسیاری از افراد را قادر می سازد تا در یک پایگاه کد (Codebase) یکسان کار کنند.