Einfachste möglichkeit, numpy zu verwenden: numpy als np importieren

NumPy , was für Numerical Python steht, ist eine wissenschaftliche Computerbibliothek, die auf der Programmiersprache Python basiert.

Die gebräuchlichste Methode zum Importieren von NumPy in Ihre Python-Umgebung ist die Verwendung der folgenden Syntax:

 import numpy as np

Der import numpy- Teil des Codes weist Python an, die NumPy-Bibliothek in Ihre aktuelle Umgebung zu integrieren.

Der as np- Teil des Codes weist Python dann an, NumPy den Alias von np zu geben. Dadurch können Sie NumPy-Funktionen verwenden, indem Sie einfach np.function_name anstelle von numpy.function_name eingeben.

Sobald Sie NumPy importiert haben, können Sie die integrierten Funktionen verwenden, um schnell Daten zu erstellen und zu analysieren.

So erstellen Sie ein einfaches NumPy-Array

Der häufigste Datentyp, mit dem Sie in NumPy arbeiten, ist das Array , das mit der Funktion np.array() erstellt werden kann.

Der folgende Code zeigt, wie man ein einfaches eindimensionales NumPy-Array erstellt:

 import numpy as np

#define array
x = np. array ([1, 12, 14, 9, 5])

#display array
print (x)

[1 12 14 9 5]

#display number of elements in array
x. size

5

Sie können auch mehrere Tabellen erstellen und darauf Operationen wie Addition, Subtraktion, Multiplikation usw. ausführen.

 import numpy as np 

#define arrays
x = np. array ([1, 12, 14, 9, 5])
y = np. array ([2, 3, 3, 4, 2])

#add the two arrays
x+y

array([ 3, 15, 17, 13, 7])

#subtract the two arrays
xy

array([-1, 9, 11, 5, 3])

#multiply the two arrays
x*y

array([ 2, 36, 42, 36, 10])

Eine ausführliche Einführung in alle Grundfunktionen von NumPy finden Sie im Absolute Beginner’s Guide to NumPy .

Mögliche Fehler beim Importieren von NumPy

Ein potenzieller Fehler, der beim Importieren von NumPy auftreten kann, ist:

 NameError : name 'np' is not defined

Dies geschieht, wenn Sie beim Importieren kein Alias für NumPy angeben. Lesen Sie dieses Tutorial , um zu erfahren, wie Sie diesen Fehler schnell beheben können.

Zusätzliche Ressourcen

Wenn Sie mehr über NumPy erfahren möchten, sehen Sie sich die folgenden Ressourcen an:

Vollständige Liste der Python-Statistikhandbücher
NumPy-Dokumentationsseite online
Offizielle Twitter-Seite von NumPy