Was ist NumPy?

NumPy ist eine Python-Bibliothek, die für die Arbeit mit Arrays verwendet wird. Sie enthält auch Funktionen für die Arbeit im Bereich der linearen Algebra, Fourier-Transformation und Matrizen. NumPy wurde im Jahr 2005 von Travis Oliphant entwickelt. Es ist ein Open-Source-Projekt und Sie können es frei verwenden.

NumPy steht für Numerisches Python.

Warum NumPy verwenden?

In Python gibt es Listen, die den Zweck von Arrays erfüllen, aber sie sind langsam in der Verarbeitung.
NumPy zielt darauf ab, ein Array-Objekt bereitzustellen, das bis zu 50 Mal schneller ist als traditionelle Python-Listen.
Das Array-Objekt in NumPy heißt ndarray und bietet eine Menge unterstützender Funktionen, die die Arbeit mit ndarray sehr einfach machen.

Arrays werden sehr häufig in der Datenwissenschaft verwendet, wo Geschwindigkeit und Ressourcen sehr wichtig sind.

Warum ist NumPy schneller als Listen?

NumPy-Arrays werden im Gegensatz zu Listen an einer kontinuierlichen Stelle im Speicher gespeichert, so dass Prozesse sehr effizient auf sie zugreifen und sie manipulieren können. Dieses Verhalten wird in der Informatik als Lokalität der Referenz bezeichnet. Dies ist der Hauptgrund, warum NumPy schneller ist als Listen. Außerdem ist es für die Arbeit mit den neuesten CPU-Architekturen optimiert.

In welcher Sprache ist NumPy geschrieben?

NumPy ist eine Python-Bibliothek und ist teilweise in Python geschrieben, aber die meisten Teile, die schnelle Berechnungen erfordern, sind in C oder C++ geschrieben.

Wo befindet sich die Codebasis von NumPy?

Der Quellcode für NumPy befindet sich in diesem Github-Repository https://github.com/numpy/numpy

Wie installiert man NumPy und wie importiert man es in ein Python-Programm?

pip install numpy

NumPy kann mit dem Python-Paketmanager pip installiert werden. Öffnen Sie dazu eine Kommandozeile oder ein Terminal und geben Sie folgenden Befehl ein:

Alternativ können Sie NumPy auch direkt von der NumPy-Website herunterladen und manuell installieren.

Sobald NumPy installiert ist, können Sie es in Ihrem Python-Programm importieren, indem Sie den folgenden Import-Befehl am Anfang Ihres Programms verwenden:

import numpy as np

Durch diesen Import-Befehl wird das NumPy-Modul in Ihr Programm eingebunden und Sie können auf die Funktionen und Klassen von NumPy zugreifen, indem Sie “np.” vor dem Namen der Funktion oder Klasse schreiben. Beispielsweise können Sie ein NumPy-Array erstellen, indem Sie “np.array()” aufrufen.

Es gibt auch die Möglichkeit, bestimmte Funktionen oder Klassen aus dem NumPy-Modul direkt zu importieren, anstatt das gesamte Modul zu importieren. Dies kann sinnvoll sein, wenn Sie nur bestimmte Funktionen von NumPy verwenden und den Speicherbedarf minimieren möchten. Der Import von bestimmten Funktionen oder Klassen erfolgt wie folgt:

from numpy import array, linspace

In diesem Beispiel werden die Funktion “array” und die Klasse “linspace” aus dem NumPy-Modul importiert und können direkt verwendet werden, ohne “np.” schreiben zu müssen.

Wie erstellt man NumPy-Arrays und wie führt man grundlegende Operationen auf ihnen aus?

NumPy-Arrays sind mehrdimensionale Arrays, die für wissenschaftliche Berechnungen in Python verwendet werden. Sie können NumPy-Arrays erstellen, indem Sie die Funktion “np.array()” verwenden. Hier sind einige Beispiele für die Erstellung von NumPy-Arrays:

import numpy as np

# Erstellung eines eindimensionalen Arrays aus einer Liste
array1d = np.array([1, 2, 3, 4])
print(array1d)  # Ausgabe: [1 2 3 4]

# Erstellung eines zweidimensionalen Arrays aus einer Liste von Listen
array2d = np.array([[1, 2], [3, 4], [5, 6]])
print(array2d)
# Ausgabe:
# [[1 2]
#  [3 4]
#  [5 6]]

# Erstellung eines Arrays mit gleichen Werten
array_ones = np.ones((2, 3))  # 2x3-Array mit Werten 1
print(array_ones)
# Ausgabe:
# [[1. 1. 1.]
#  [1. 1. 1.]]

array_zeros = np.zeros((3, 4))  # 3x4-Array mit Werten 0
print(array_zeros)
# Ausgabe:
# [[0. 0. 0. 0.]
#  [0. 0. 0. 0.]
#  [0. 0. 0. 0.]]

array_eye = np.eye(3)  # 3x3-Array mit Einsen auf der Diagonalen
print(array_eye)
# Ausgabe:
# [[1. 0. 0.]
#  [0. 1. 0.]
#  [0. 0. 1.]]

# Erstellung eines Arrays mit gleichmäßig verteilten Werten
array_linspace = np.linspace(0, 10, 5)  # Array mit 5 Werten von 0 bis 10
print(array_linspace)  # Ausgabe: [ 0.  2.5  5.  7.5 10. ]

# Erstellung eines Arrays mit zufälligen Werten
array_random = np.random.random((2, 3))  # 2x3-Array mit zufälligen Werten zwischen 0 und 1
print(array_random)

Sobald Sie ein NumPy-Array erstellt haben, können Sie grundlegende Operationen auf ihm ausführen.