NumPy-Tutorial

NumPy (Numerical Python) ist eine Erweiterungsbibliothek für die Python-Sprache, die eine große Anzahl mehrdimensionaler Arrays und Matrixoperationen unterstützt und außerdem eine große Anzahl mathematischer Funktionsbibliotheken für Array-Operationen bereitstellt.

NumPys Vorgänger Numeric wurde ursprünglich von Jim Hugunin und anderen Mitwirkenden entwickelt. Im Jahr 2005 kombinierte Travis Oliphant die Funktionen von Numarray, einer weiteren Bibliothek ähnlicher Art, in Numeric und fügte weitere Erweiterungen hinzu, um NumPy zu entwickeln. NumPy ist Open Source und wird von vielen Mitwirkenden gepflegt und weiterentwickelt.

NumPy ist eine sehr schnelle mathematische Bibliothek, die hauptsächlich für Array-Berechnungen verwendet wird, darunter:

  • Ein leistungsstarkes N-dimensionales Array-Objekt ndarray
  • Broadcasting-Funktionen
  • Werkzeuge zur Integration von C/C++/Fortran-Code
  • Merkmale wie lineare Algebra, Fourier-Transformation und Zufallszahlengenerierung

Was Sie vor dem Erlernen dieses Tutorials wissen müssen

Bevor Sie mit dem NumPy-Tutorial beginnen, benötigen Sie grundlegende Python-Kenntnisse. Wenn Sie mit Python nicht vertraut sind, können Sie unser Tutorial lesen:

NumPy-Anwendungen

NumPy wird normalerweise zusammen mit SciPy (Scientific Python) und Matplotlib (Plotting-Bibliothek) verwendet. Diese Kombination wird häufig als Ersatz für MatLab verwendet und ist eine leistungsstarke Umgebung für wissenschaftliches Rechnen, die uns hilft, Datenwissenschaft oder maschinelles Lernen mit Python zu lernen.

SciPy ist eine Open-Source-Python-Bibliothek für Algorithmen und ein mathematisches Toolkit.

Die in SciPy enthaltenen Module decken Optimierung, lineare Algebra, Integration, Interpolation, spezielle Funktionen, schnelle Fourier-Transformation, Signalverarbeitung und Bildverarbeitung, Lösung gewöhnlicher Differentialgleichungen und andere in Wissenschaft und Technik häufig verwendete Berechnungen ab.

Matplotlib ist eine Visualisierungsschnittstelle für die Programmiersprache Python und ihr Erweiterungspaket für numerische Mathematik NumPy. Es bietet eine Anwendungsprogrammierschnittstelle (API), um Diagramme mithilfe gängiger GUI-Toolkits wie Tkinter, wxPython, Qt oder GTK+ in Anwendungen einzubetten.

Verwandte Links

Andere Erweiterungen