Autor: Codenga 26.09.2023

NumPy to popularna biblioteka języka Python do wykonywania obliczeń numerycznych oraz naukowych. Głównym elementem bliboteki są funkcje do pracy z tablicami liczb. W tym artykule pokażemy ci jak zaczać pracę z tym niezwykle przydatnym narzędziem.

Instalacja i pierwsze kroki

Do pracy z biblioteką NumPy, potrzebna jest lokalna instalacja języka Python. Zakładamy więc na tym etapie, że Python jest u Ciebie prawidłowo zainstalowany oraz skonfigurowany. Jeśli używasz managera pakietów PIP to instalacja biblioteki jest banalnie prosta:

pip install numpy

Wystarczy w terminalu wprowadzić powyższą komendę. Jeśli biblioteka zostałą prawidłowo zainstalowana to można już jej używać. Być może kojarzysz, że każdą bibliotekę trzeba najpierw zaimportować do pliku z kodem Python. Tak dla przypomnienia, robi sie to w następujący sposób:

import numpy as np

Importujemy całą zawartość biblioteki numpy, jako np - dzięki temu będziemy mogli łatwo odwoływać sie do poszczególnym funkcji.

Tworzenie tablic

Tak jak wspominaliśmy na początku, podstawowym elementem są tablice liczb, na których możemy wykonywać przeróżne operacje. Rozpocznijmy więc od utworzenia kilku przykładowych tablic:

import numpy as np
        
array = np.array([1, 2, 3, 4, 5])

Użyliśmy funcji array(), aby zbudować pierwszą tablicę. Jako argument przekalizaliśmy zwykłą listę Pythona. Ta lista zostanie więc niejako zamieniona na tablicę NumPy. Dlaczego to robimy? Bo tablice są głównym elementem, na którym można wykonywać operacje w NumPy. Dodatkowo, zapewniają one większą wydajność niż standardowe listy Python.

Inne przykłady tablic

Mamy też inne ciekawe możliwości tworzenia tablic:

arrayOne = np.ones(5)
arrayZero = np.zeros(5)

Tutaj tworzymy dwie tablice, zawierajacę odpowiednio pięć zer oraz pięć jedynek. Tak wygląda to w konsoli:

[1. 1. 1. 1. 1.]
[0. 0. 0. 0. 0.]

A teraz wygenerujemy tablicę z określonym zakresem liczb:

arrayRange = np.arange(1, 10)

Wynik wygląda tak:

[1 2 3 4 5 6 7 8 9]

To tylko sam początek możliwości. W razie potrzeby zawsze możesz skonsultować się z dokumentacją NumPy.

Operacje arytmetyczne

Samo tworzenie tablic niewiele nam daje. Najważniejsze są operacje jakie możemy na tych tablicach wykonywać. Zacznijmy od prostych operacji arytmetycznych:

import numpy as np

array1 = np.array([1, 2, 5, 4])
array2 = np.array([5, 6, 7, 8])

sum = array1 + array2
print("Sum: ", sum)

difference = array1 - array2
print("Difference: ", difference)

W powyższym kodzie stworzyliśmy dwie tablice liczb i wykonujemy dwie operacje: dodawanie oraz odejmowanie. Tak wygląda rezultat:

Sum:  [ 6  8 12 12]
Difference:  [-4 -4 -2 -4]

Zwróć uwagę na to, jak działają te operacje. W przypadku sumowania, wykonujemy dodawanie wartości z dwóch tablic: 1+ 5, 2 + 6, 5 +7, 4 + 8. Podobnie wygląda to w przypadku odejmowania: 1 -5, 2 - 6, 5 -7, 4 -8. Jeśli popatrzysz na wyniki to wszystko powinno być jasne.

Operacje logiczne

Teraz wykonamy sobie kilka prostych porównań. Oto nasz kod:

import numpy as np

arr1 = np.array([1, 2])
arr2 = np.array([5, 4])

result = arr1 > arr2
print("arr1 > arr2:", result)

result = arr1 <= arr2
print("arr1 <= arr2:", result)

Tak wygląda wynik:

arr1 > arr2: [False False]
arr1 <= arr2: [True True]

Skąd takie wyniki? Porównania są wykonywane parami. Najpiew sprawdzamy czy wartości z tablicy arr1 są wieksze od wartości z tablicy arr2. Czyli: 1 > 5, 2 > 4. Obydwa porównania są fałszywe, dlatego wynikiem jest tablica [False False]. W drugim przykładzie sprawdzamy czy wartości z tablicy arr1 są mniejsze lub równe od wartości z tablicy arr2. Czyli 1 <= 5, 2 <= 4. Tutaj obydwa porównania są prawdziwe.

Operacje logiczne

Kolejny ciekawy przykład to różne funkcje do obliczeń statystycznych:

import numpy as np

data = np.array([1, 6, 2])

mean = np.mean(data)
median = np.median(data)
max_value = np.max(data)
min_value = np.min(data)

print("mean: ", mean)
print("median: ", median)
print("max_value: ", max_value)
print("min_value: ", min_value)

Pracujemy z prostą tablicę i liczymy następujące wartości: średnia, mediana, wartość max, wartość min. Wynik wygląda tak:

mean:  3.0
median:  2.0
max_value:  6
min_value:  1

Jak widzisz, mamy tu kolejny przykłada prostych, ale bardzo użytecznych funkcji NumPy.

Poznaj popularną bibliotekę Pythona do obliczeń na tablicach liczb.

Dowiedz się więcej

Podsumowanie i kolejne kroki

W artykule, z oczywistych względów, moglismy zaprezentować tylko bardzo wąski wycinek możliwości jakie oferuje NumPy. Ta biblioteka jest podstawowym narzędziem pracy dla niezliczonej rzeszy inżynierów, naukowców czy programistów. Naprawdę warto się jej bliżej przyjrzeć jeśli działasz w dziedzinach związanych z obliczeniami numerycznymi.

Chcesz łatwo poznać najważniejsze funkcje biblioteki NumPy. Zacznij od kursu Codenga - Wprowadzenie do NumPy. Znajdziesz w nim nie tylko zwięzłą teorię ale takżę dziesiątki praktycznych ćwiczeń.