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 — ویرایشگر (Editor)

آخرین بروزرسانی: 1404/08/25

ویرایشگر (Editor)

ویرایشگر آنلاین NumPy به تو کمک می کند راحت تمرین کنی. همه چیز داخل مرورگر اجرا می شود، بدون نصب سنگین.

شروع کار با ویرایشگر آنلاین NumPy

در این صفحه کد نمونه آماده داری. فقط روی دکمه Run کلیک می کنی و نتیجه را می بینی. دکمه Try it Yourself همان ادیتور تعاملی سایت است.

این مثال یک آرایه ساده می سازد و نوع آن را چاپ می کند. آرایه (Array) یعنی لیستی منظم از چند مقدار، مثل نمره های امتحان.

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

مشاهده در ادیتور

بعد از اجرای کد، خروجی آرایه و نوع آن را می بینی. نوع داده در پایتون یعنی جنس مقدار، مثلا عدد یا رشته.

مراحل اجرای کد در ادیتور

بیایید مرحله به مرحله ببینیم چطور با این ادیتور کار می کنی.

  1. صفحه ادیتور را باز کن و کد آماده را ببین.
  2. اگر دوست داشتی، آرایه را عوض کن و اعداد جدید بنویس.
  3. روی دکمه Run یا Try it Yourself کلیک کن.
  4. خروجی را در بخش نتیجه نگاه کن و تحلیل کن.

نکته: اگر اشتباه نوشتی، مشکلی نیست. بالاخره با تمرین زیاد اشتباه ها کمتر می شوند.

چطور نتیجه کد NumPy را بفهمیم؟

وقتی کد را اجرا می کنی، اول خود آرایه چاپ می شود. بعد نوع آن نمایش داده می شود که چیزی مثل <class 'numpy.ndarray'> است.

ndarray در NumPy یعنی آرایه چندبعدی، شبیه جدول یا ماتریس. اگر در درس ریاضی با ماتریس کار کرده ای، حسش آشناست.

می توانی اعداد را عوض کنی و دوباره اجرا کنی. این شبیه عوض کردن ورودی ماشین حساب و دیدن جواب جدید است.

ادیتور آنلاین NumPy برای تمرین سریع

وقتی فقط می خواهی یک ایده را تست کنی، ادیتور آنلاین عالی است. لازم نیست محیط توسعه بزرگ نصب کنی.

هر وقت مفهومی مثل عملیات مجموعه ای ufunc را یاد گرفتی، می توانی فوراً در همین ادیتور آزمایش کنی.

برای تکرار تمرین ها همیشه می توانی از صفحه ویرایشگر آنلاین NumPy شروع کنی.

ساخت پروژه واقعی با W3Schools Spaces

اگر خواستی از تمرین ساده جلوتر بروی، سراغ پروژه واقعی برو. در منبع اشاره شده که ابزار W3Schools Spaces برای ساخت سایت و برنامه پایتون آماده است.

Spaces یک سرویس میزبانی و ویرایش کد در مرورگر است. می توانی سایت شخصی بسازی و کد پایتون اجرا کنی.

در متن منبع گفته شده که کتابخانه هایی مثل Django و NumPy پشتیبانی می شوند. یعنی می توانی همان کدهای تمرینی را در پروژه جدی تر استفاده کنی.

هشدار: همیشه قبل از پاک کردن فایل ها در هر پروژه، یک نسخه پشتیبان نگه دار.

مدیریت بسته ها در محیط آنلاین

در توضیحات منبع آمده که Spaces مدیریت بسته ها را ساده می کند. یعنی می توانی کتابخانه ها را اضافه یا حذف کنی، بدون نصب دستی.

این کمک می کند روی یادگیری NumPy تمرکز کنی، نه نصب طولانی. برای چیزهای بیشتر درباره پایتون، منبع پیشنهاد کرده آموزش پایتون W3Schools را هم بخوانی.

بعد از یادگرفتن مفاهیم پایه، می توانی سراغ موضوعاتی مثل توزیع یکنواخت بروی و آن ها را در همین ادیتور تست کنی.

جمع بندی سریع

  • ویرایشگر آنلاین NumPy اجازه می دهد بدون نصب، سریع تمرین کنی.
  • می توانی کد آماده را تغییر بدهی و خروجی را فوراً ببینی.
  • این ادیتور برای تست ایده های کوتاه و مثال های درسی عالی است.
  • با W3Schools Spaces می توانی پروژه های واقعی پایتون و NumPy بسازی.
  • بعد از یادگیری پایه ها، سراغ مباحث پیشرفته تر NumPy حرکت کن.