Самый простой способ использовать numpy: импортировать numpy как np

NumPy , что означает Numerical Python, представляет собой библиотеку научных вычислений, построенную на языке программирования Python.

Самый распространенный способ импортировать NumPy в среду Python — использовать следующий синтаксис:

 import numpy as np

Часть кода import numpy сообщает Python об интеграции библиотеки NumPy в вашу текущую среду.

Затем часть кода as np сообщает Python, что нужно дать NumPy псевдоним np . Это позволяет вам использовать функции NumPy, просто набрав np.function_name, а не numpy.function_name.

После импорта NumPy вы можете использовать встроенные функции для быстрого создания и анализа данных.

Как создать базовый массив NumPy

Наиболее распространенный тип данных, с которым вы будете работать в NumPy, — это массив , который можно создать с помощью функции np.array() .

Следующий код показывает, как создать базовый одномерный массив NumPy:

 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

Вы также можете создать несколько таблиц и выполнять над ними такие операции, как сложение, вычитание, умножение и т. д.

 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])

Ознакомьтесь с «Руководством для начинающих по NumPy» для подробного ознакомления со всеми основными функциями NumPy.

Возможные ошибки при импорте NumPy

Потенциальная ошибка, с которой вы можете столкнуться при импорте NumPy:

 NameError : name 'np' is not defined

Это происходит, когда вы не можете использовать псевдоним NumPy при его импорте. Прочтите это руководство , чтобы узнать, как быстро исправить эту ошибку.

Дополнительные ресурсы

Если вы хотите узнать больше о NumPy, посетите следующие ресурсы:

Полный список руководств по статистике Python
Страница документации NumPy онлайн
Официальная страница NumPy в Твиттере