3.1. Numpy

NumPy jest podstawowym pakiet (dodatkowym) w Pythonie do obliczeń naukowych. Integruje on niskopoziomowe biblioteki takie jak BLAS i LAPACK lub ATLAS. Podstawowe właściwości NumPy to :

  • potężny N-wymiarowy obiekt tablicy danych

  • rozbudowane funkcje

  • narzędzia do integracji z kodem napisanym w C/C++ i Fortranie

  • narzędzia do algebry liniowej, transformaty Fouriera czy generator liczb losowych

NumPy is the fundamental package for scientific computing with Python. It contains among other things:

  • a powerful N-dimensional array object

  • sophisticated (broadcasting) functions

  • tools for integrating C/C++ and Fortran code

  • useful linear algebra, Fourier transform, and random number capabilities

Besides its obvious scientific uses, NumPy can also be used as an efficient multi-dimensional container of generic data. Arbitrary data-types can be defined. This allows NumPy to seamlessly and speedily integrate with a wide variety of databases.

$ pip install numpy
import numpy as np

Data Structures:

  • Skalar - jednowymiarowa

  • Wektor - dwuwymiarowa

  • Tensor - trójwymiarowa

  • Tablica - czterowymiarowa

  • Macierz - n-wymiarowa

3.1.1. Bibliography

numpy1

Enthought Inc. Broadcasting rules. 2019. URL: https://youtu.be/ZB7BZMhfPgk?t=5142.

numpy2

Wikipedia. Normal distribution. 2019. URL: https://en.wikipedia.org/wiki/Normal_distribution.

numpy3

Wikipedia. Pearson correlation coefficient. 2019. URL: https://en.wikipedia.org/wiki/Pearson_correlation_coefficient.

numpy4

Wikipedia. Poisson distribution. 2019. URL: https://en.wikipedia.org/wiki/Poisson_distribution.

numpy5

Wikipedia. Polynomial. 2019. URL: https://en.wikipedia.org/wiki/Polynomial.