فهرست سرفصل‌های NumPy
خانه (HOME) مقدمه (Intro) شروع کار (Getting Started) ساخت آرایه ها (Creating Arrays) ایندکس گذاری آرایه (Array Indexing) برش آرایه (Array Slicing) انواع داده (Data Types) کپی در برابر View (Copy vs View) شکل آرایه (Array Shape) تغییر شکل آرایه (Array Reshape) حلقه روی آرایه (Array Iterating) ترکیب آرایه ها (Array Join) تقسیم آرایه ها (Array Split) جستجو در آرایه (Array Search) مرتب سازی آرایه (Array Sort) فیلتر کردن آرایه (Array Filter) مقدمه تصادفی سازی (Random Intro) توزیع داده (Data Distribution) جابه جایی تصادفی (Random Permutation) ماژول Seaborn (Seaborn Module) توزیع نرمال (Normal Distribution) توزیع دوجمله ای (Binomial Distribution) توزیع پواسون (Poisson Distribution) توزیع یکنواخت (Uniform Distribution) توزیع لجستیک (Logistic Distribution) توزیع چندجمله ای (Multinomial Distribution) توزیع نمایی (Exponential Distribution) توزیع کای دو (Chi Square Distribution) توزیع ریلی (Rayleigh Distribution) توزیع پارتو (Pareto Distribution) توزیع زیف (Zipf Distribution) مقدمه ufunc (ufunc Intro) ساخت تابع ufunc (ufunc Create Function) حساب ساده با ufunc (ufunc Simple Arithmetic) گرد کردن اعشار با ufunc (ufunc Rounding Decimals) لگاریتم ها با ufunc (ufunc Logs) جمع ها با ufunc (ufunc Summations) حاصل ضرب ها با ufunc (ufunc Products) تفاضل ها با ufunc (ufunc Differences) کمترین مضرب مشترک با ufunc (ufunc Finding LCM) بزرگترین مقسوم علیه مشترک با ufunc (ufunc Finding GCD) توابع مثلثاتی با ufunc (ufunc Trigonometric) توابع هذلولوی با ufunc (ufunc Hyperbolic) عملیات مجموعه ای با ufunc (ufunc Set Operations) ویرایشگر (Editor) آزمون (Quiz) تمارین (Exercises) سرفصل دوره (Syllabus) برنامه مطالعه (Study Plan) گواهینامه (Certificate)
نتیجه‌ای برای جستجو یافت نشد.
NumPy

NumPy — خانه (HOME)

آخرین بروزرسانی: 1404/08/25

خانه (HOME)

اگر دنبال یک شروع راحت برای آموزش نامپای هستی، این صفحه مخصوص توست. با هم می بینیم چطور NumPy کار با عددها و آرایه ها را خیلی منظم می کند.

NumPy چیست و به چه درد می خورد؟

نامپای (NumPy) یک کتابخانه (Library) پایتون است. کتابخانه یعنی یک جعبه ابزار آماده. به جای این که همه چیز را خودت از صفر بسازی، از ابزارهای آماده استفاده می کنی.

NumPy برای کار با آرایه (Array) طراحی شده است. آرایه یعنی یک ردیف یا جدول مرتب از عددها؛ مثل نمره های کلاس روی یک لیست منظم.

وقتی داده زیاد داری، حلقه های ساده پایتون کند می شوند. این جا نامپای وارد می شود و بیشتر محاسبات سنگین را خیلی سریع انجام می دهد.

ساختار آموزش نامپای در این دوره

منبع اصلی این بخش، آموزش W3Schools است. آن ها حدود 43 صفحه برای NumPy آماده کرده اند. مسیر از معرفی ساده شروع می شود و کم کم به داده های تصادفی و توابع پیشرفته می رسد.

در بخش پایه، با چیزهایی مثل ساخت آرایه، ایندکس کردن، برش آرایه و انواع داده کار می کنی. بعد سراغ بخش تصادفی می روی و با توزیع های مختلف آشنا می شوی؛ مثل Normal و Binomial.

در پایان هم بخشی به نام ufunc داری. ufunc یعنی تابع جهانی؛ توابع آماده ای که روی کل آرایه به صورت خیلی سریع اجرا می شوند.

شروع آموزش نامپای با یک مثال ساده

بیایید همان مثال ساده منبع را ببینیم. این مثال یک آرایه نامپای می سازد و نوع آن را چاپ می کند. مثل این است که اول تیم بازیکنان را بچینی، بعد مطمئن شوی همه عضو همان تیم هستند.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

print(arr)

print(type(arr))

مشاهده در ادیتور

گام های کوچک برای فهم کد بالا

  1. خط اول، نامپای را با نام کوتاه np وارد می کند.
  2. در خط بعد، یک آرایه با عددهای 1 تا 5 ساخته می شود.
  3. با print(arr) خود آرایه روی خروجی نمایش داده می شود.
  4. با print(type(arr)) می فهمی این شیء از کلاس ndarray است.

نکته: ndarray همان نوع اصلی آرایه در نامپای است. همه جادوهای سرعت روی همین نوع انجام می شود.

مسیر تمرین: از پایه تا داده های تصادفی

بهتر است از بخش های پایه ای شروع کنی. مثلاً می توانی بعداً از صفحه آموزش نامپای دوباره مرور را آغاز کنی و سراغ صفحه ای مثل ساخت آرایه ها بروی.

بعد از پایه، سراغ بخش Random برو. آن جا با توزیع داده ها آشنا می شوی. توزیع یعنی شکل پخش شدن عددها؛ مثل نمودار نمره های کلاس بعد از امتحان.

در نهایت، قسمت ufunc به تو کمک می کند عملیات ریاضی بزرگ را فقط با چند خط کد انجام دهی؛ مثل جمع، میانگین، لگاریتم و چیزهای شبیه این.

تمرین ها، کوییز و محک زدن خودت

در منبع اصلی، تقریباً آخر هر فصل یک تمرین وجود دارد. با این تمرین ها می توانی خودت را امتحان کنی و ببینی کدام بخش ها هنوز برایت سخت است.

همچنین یک آزمون کوتاه هم برای NumPy وجود دارد. این کوییز، فهم کلی تو را می سنجد. مثل یک آزمون چندگزینه ای ساده برای مرور.

هر وقت کمی جلو رفتی، یک بار دیگر از صفحه آموزش نامپای شروع کن و بخش های سخت را دوباره مرور کن.

منابع بیشتر برای کنجکاوها

اگر احساس می کنی سرعتت خوب است و می خواهی عمیق تر بروی، می توانی نگاهی هم به مستندات رسمی نامپای بیندازی. آن جا توضیح ها خیلی کامل هستند، ولی کمی رسمی تر نوشته شده اند.

برای شروع، مستندات NumPy Doc گزینه خوبی است. همچنین بخش NumPy در W3Schools همیشه در دسترس است و مثال های قابل اجرا دارد.

جمع بندی سریع

  • نامپای ابزار اصلی پایتون برای کار با آرایه ها است.
  • این آموزش نامپای از معرفی ساده تا مباحث تصادفی می رود.
  • کدها را حتماً در ادیتور اجرا کن تا بهتر جا بیفتند.
  • تمرین ها و کوییز منبع، سطح واقعی تو را نشان می دهند.
  • برای مطالعه عمیق تر، مستندات رسمی NumPy همیشه کنارت هستند.