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 — شروع کار (Getting Started)

آخرین بروزرسانی: 1404/08/25

شروع کار (Getting Started)

اینجا صفحه شروع کار نامپای است. قدم به قدم می رویم جلو تا ببینی چطور NumPy را نصب، وارد پروژه و آماده استفاده کنی.

نصب نامپای (Installation of NumPy)

اگر روی سیستم خودت قبلا پایتون (Python) و مدیریت بسته پیپ (PIP) را نصب کرده ای، نصب نامپای واقعا ساده است.

کافی است یک ترمینال یا CMD باز کنی. بعد این دستور را اجرا کنی تا NumPy روی محیط پایتون نصب شود.

C:\Users\Your Name>pip install numpy

مشاهده در ادیتور

  1. ترمینال یا Command Prompt را باز کن.
  2. مطمئن شو دستور python یا py کار می کند.
  3. دستور pip install numpy را اجرا کن.
  4. صبر کن تا دانلود و نصب کامل شود.

نکته: اگر نصب با خطا متوقف شد، می توانی از توزیع هایی مثل Anaconda یا Spyder استفاده کنی که معمولا NumPy را آماده دارند.

وارد کردن نامپای در کد (Import NumPy)

بعد از نصب، باید نامپای را داخل کد وارد کنی. در پایتون این کار با کلیدواژه import انجام می شود.

import numpy

مشاهده در ادیتور

حالا نامپای در برنامه تو در دسترس است. یعنی می توانی از توابع و آرایه های آن استفاده کنی.

اولین آرایه بعد از شروع کار نامپای

یک مثال ساده از منبع را ببینیم. این کد نامپای را وارد می کند، یک آرایه می سازد و آن را چاپ می کند.

import numpy

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

print(arr)

مشاهده در ادیتور

  1. در خط اول کتابخانه نامپای وارد می شود.
  2. در خط دوم یک آرایه از عددهای 1 تا 5 ساخته می شود.
  3. در خط آخر آرایه روی خروجی چاپ می شود.

نکته: آرایه (Array) یعنی یک لیست منظم از مقدارها؛ مثل نمره های کلاس که پشت سرهم نوشته ای.

استفاده از نامپای با نام کوتاه np

تقریبا همه برنامه نویس ها نامپای را با نام کوتاه np استفاده می کنند. به این نام کوتاه، مستعار یا alias می گوییم. alias یعنی اسم جایگزین برای یک چیز.

برای ساخت مستعار، هنگام import از کلمه as استفاده می کنیم.

import numpy as np

مشاهده در ادیتور

حالا هرجا np بنویسی، انگار همان numpy را صدا زده ای. این کار کد را کوتاه تر و خواندنش را راحت تر می کند.

مثال: ساخت آرایه با np

در این مثال همان کار قبلی را انجام می دهیم؛ فقط این بار از مستعار np استفاده می کنیم.

import numpy as np

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

print(arr)

مشاهده در ادیتور

نکته: در ادامه آموزش ها همیشه از شکل import numpy as np استفاده می کنیم. پس این الگو را خوب به خاطر بسپار.

چک کردن نسخه نامپای (Checking NumPy Version)

گاهی لازم است بدانی کدام نسخه نامپای روی سیستم نصب است. مثلا وقتی یک پروژه یا آموزش، نسخه مشخصی را پیشنهاد کرده است.

نسخه در ویژگی __version__ نگه داری می شود. کافی است آن را چاپ کنی.

import numpy as np

print(np.__version__)

مشاهده در ادیتور

  1. اول نامپای را با مستعار np وارد کن.
  2. بعد print(np.__version__) را اجرا کن.
  3. عدد نسخه نامپای روی خروجی نمایش داده می شود.

نکته: اگر نسخه با آموزش هماهنگ نیست، می توانی با pip install --upgrade numpy آن را به روزرسانی کنی؛ فقط حواست به پروژه های قدیمی باشد.

بعد از شروع کار نامپای کجا برویم؟

الان نصب، import و مستعار np را دیدی. مرحله بعد این است که آرایه های واقعی بسازی و روی آن ها کار کنی.

می توانی یک بار دیگر از صفحه مقدمه نامپای مسیر را مرور کنی. سپس به سراغ صفحه ایجاد آرایه ها در نامپای برو تا با انواع روش های ساخت آرایه آشنا شوی.

اگر خواستی متن انگلیسی همین بخش را ببینی، صفحه Getting Started در W3Schools در دسترس تو است. همچنین می توانی از بخش آموزش اصلی پایتون روی همان سایت، پایه های خودت را قوی تر کنی.

جمع بندی سریع

  • برای شروع کار نامپای، اول باید آن را با pip نصب کنی.
  • بعد با import numpy یا import numpy as np واردش کن.
  • استفاده از مستعار np کد را کوتاه و رایج می کند.
  • با np.__version__ می توانی نسخه نصب شده نامپای را ببینی.
  • قدم بعدی، رفتن به بخش ایجاد آرایه ها در نامپای است.