🎯 Definicja
NumPy (Numerical Python) to podstawowa biblioteka Pythona służąca do obliczeń naukowych i numerycznych. Udostępnia szybkie, wielowymiarowe struktury danych (głównie macierze – ndarray) oraz szeroki zestaw funkcji matematycznych do operacji na tych strukturach.
🔑 Kluczowe punkty
- 📦 Dostarcza potężny obiekt: np.ndarray – n-wymiarowe tablice z obsługą operacji wektorowych.
- ⚡ Wydajność – operacje wykonywane są w C pod maską (dużo szybsze od klasycznych pętli Pythona).
- 🧪 Często używana jako fundament bibliotek takich jak pandas, scipy, scikit-learn, tensorflow i pytorch.
- ➗ Obsługuje operacje macierzowe, algebrę liniową, statystyki, transformaty Fouriera i inne przekształcenia numeryczne.
📚 Przykłady zastosowania
Import i podstawowa tablica
import numpy as np
a = np.array([1, 2, 3])
print(a) # [1 2 3]Podstawowe operacje
b = np.array([[1, 2], [3, 4]])
print(b.shape) # (2, 2)
print(b.T) # transpozycja
print(b.mean()) # średniaOperacje wektorowe
a = np.array([1, 2, 3])
b = np.array([1, 0, -1])
print(a + b) # [2 2 2]
print(a * b) # [1 0 -3]
print(np.dot(a, b)) # iloczyn skalarnyTworzenie tablic
np.zeros((2, 3)) # tablica zer
np.ones((3, 3)) # tablica jedynek
np.eye(4) # macierz jednostkowa
np.arange(0, 10, 2) # [0 2 4 6 8]
np.linspace(0, 1, 5) # [0. 0.25 0.5 0.75 1. ]Broadcasting
a = np.array([[1], [2], [3]])
b = np.array([10, 20, 30])
print(a + b)
# [[11 21 31]
# [12 22 32]
# [13 23 33]]💡 Przykład zastosowania
Uczenie maszynowe / przetwarzanie danych:
- Normalizacja danych wejściowych (
(x - mean) / std) - Obliczanie metryk (MAE, MSE, RMSE) z macierzy błędów
- Symulacje matematyczne, dane czasowe, przetwarzanie obrazów
🪛 Główne funkcje w NumPy
| Funkcja | Opis |
|---|---|
np.array() | Tworzy tablicę NumPy |
np.reshape() | Zmienia kształt tablicy |
np.mean(), np.std() | Statystyki |
np.dot(), np.matmul() | Mnożenie macierzowe |
np.random.rand() | Generuje losowe liczby |
np.linalg.inv() | Odwracanie macierzy |
np.save(), np.load() | Zapis i odczyt tablic |
📌 Źródła
- Oficjalna dokumentacja: https://numpy.org/doc/
- Kurs NumPy na Real Python: https://realpython.com/numpy-array-programming/
- Numpy cheatsheet: https://github.com/rougier/numpy-100
👽 Brudnopis
- NumPy = „język numeryczny Pythona” – szybka macierzowa matematyka
- rdzeń naukowego środowiska danych w Pythonie → wszystko opiera się na ndarray
- warto znać: broadcasting, slicing, tablice logiczne, filtrowanie, maski
- integracja z C, Fortranem, czy cythonem — superwydajność