numpy
ScienceObliczenia numeryczne
Przegląd numpy
NumPyto podstawowy pakiet do obliczeń naukowych w Pythonie. Zapewnia potężny N-wymiarowy obiekt tablicowy wraz z narzędziami do integracji kodu C i C++, algebry liniowej, transformacji Fouriera i generowania liczb losowych. Prawie każda biblioteka do nauki o danych i uczenia maszynowego w ekosystemie Pythona jest zbudowana na bazieNumPy.
DziękiPyRunmożesz używaćNumPybezpośrednio w przeglądarce — bez instalacji pip, bez środowiska wirtualnego, bez konfiguracji. Pełna bibliotekaNumPyjest zawarta w dystrybucjiPyodideWebAssemblyi ładuje się automatycznie, gdy kod ją zaimportuje. To sprawia, że PyRunjest jednym z najszybszych sposobów eksperymentowania z obliczeniami numerycznymi bez dotykania komputera lokalnego.
Dane wyjściowe kodu i wykonania
Mnożenie macierzy, iloczyn skalarny i podstawowe statystyki.
import numpy as np
# Create two 3x3 matrices
A = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
B = np.array([[9, 8, 7],
[6, 5, 4],
[3, 2, 1]])
print("Matrix A:\n", A)
print("\nMatrix B:\n", B)
# Matrix Multiplication
C = np.dot(A, B)
print("\nDot Product (A · B):\n", C)
# Element-wise operations
print("\nA + B:\n", A + B)
print("\nMean of A:", np.mean(A))
print("Std of A:", np.std(A).round(4))Powiązane pakiety
Polecane zasoby Pythona
Poszerzaj swoją wiedzę dzięki powiązanym interaktywnym samouczkom, ściągawkom i porównaniom kodów.
Pętle Pythona
Dowiedz się, jak używać pętli Pythona do iteracji danych. Opanuj pętle for, pętle while, przerywaj, kontynuuj i pętluj najlepsze praktyki dzięki interaktywnym przykładom.
Jak sortować listę w Pythonie
Dowiedz się, jak sortować listę w Pythonie za pomocą metody sort() i funkcji sorted(). Odkryj przykłady niestandardowego sortowania kluczy i odwrotnej kolejności.
PythonNumPyŚciągawka z podstawami
Skrócona instrukcja obsługi tablicNumPy. Dowiedz się, jak tworzyć tablice, przekształcać je, indeksować, wycinać i wykonywać operacje matematyczne.
Python kontra JavaScript: który język programowania jest najlepszy?
Kompleksowe porównanie Pythona i JavaScript. Poznaj różnice w składni, wydajność, przypadki użycia (backend vs frontend) i przykłady kodowania.