Fan nomi : Ma’lumotlarning inteliktual tahlili
NUMPY KUTUBXONASI MUHITINI SOZLASH
Annotatsiya: Ushbu maqolada Data science va sun’iy
intellekt
sohalarini o‘rganish uchun kerakli bo‘lgan Python dasturlash tilining
ma’lumotlar bilan ishlovchi Numpy kutubxonasida ishlash muhitini sozlash
keltirib o‘tiladi.
Kalit so‘zlar: Data science, ma’lumotlar, tahlil, Numpy, muhandis,
massiv, python, kutubxona
Numpy Python dasturlash tilining kutubxonasi bo‘lib, fan va
sohalarning deyarli barchasida qo‘llaniladi.
Numpy kutubxonasi Pythonda
raqamli ma’lumotlar bilan ishlash uchun universal standart hisoblanadi.
Numpy foydalanuvchilari boshlang‘ich kodlovchilardan tortib, eng
zamonaviy ilmiy sanoat tadqiqotlari va ishlanmalari bilan shug‘ullanuvchi
tajribali tadqiqotchilargacha bo‘lgan barchani o‘z ichiga oladi.
Numpy kutubxonasi ko‘p o‘lchovli massiv va matrisali ma’lumotlar
bilan ishlashni o‘z ichiga oladi. U bir xil n o‘lchovli massiv obyekti bo‘lgan
ndarray ni samarali ishlash usullari bilan ta’minlaydi.
NumPydan
massivlarda turli xil matematik amallarni yuqori tezlikda bajarish mumkin.
Bu Python kutubxonasi boʻlib, u koʻp oʻlchovli
massiv obyekti, turli hosila
obyektlari hamda massivlar ustida tezkor operatsiyalar, jumladan, matematik,
mantiqiy, shakllarni manipulyatsiya qilish, saralash, tanlash, kiritish/chiqarish
uchun tartiblar assortimentini taqdim etadi.
NumPy paketining
o‘zagida
ndarray
obyekti
joylashgan.Bu
bir xil
ma’lumotlar
turlarining
n o‘lchovli massivlarini qamrab oladi, ko‘plab operatsiyalar ishlash
uchun kompilyatsiya qilingan kodda bajariladi. NumPy massivlari va standart
Python ketma-ketliklari o‘rtasida bir nechta muhim farqlar mavjud:
• NumPy massivlari Python ro‘yxatlaridan farqli o‘laroq (dinamik
ravishda o‘sishi mumkin) yaratilayotganda qat’iy belgilangan hajmga ega.
Ndarray o‘lchamini o‘zgartirish yangi massivni yaratadi va asl nusxasini
o‘chiradi.
• NumPy massividagi elementlarning
barchasi bir xil turdagi
ma’lumotlarga ega bo‘lishi kerak va shuning uchun xotirada bir xil o‘lchamda
bo‘ladi. Istisno: (Python, shu jumladan NumPy) obyektlar massivlariga ega
bo‘lishi mumkin, bu esa turli o‘lchamdagi
elementlarning massivlarini
yaratishga imkon beradi.
• NumPy massivlari katta miqdordagi ma’lumotlar bilan ilg‘or
matematik va boshqa turdagi operatsiyalarni osonlashtiradi. Odatda, bunday
operatsiyalar Pythonning o‘rnatilgan ketma-ketliklaridan foydalanish
mumkin bo‘lganidan ko‘ra samaraliroq
va kamroq kod bilan amalga
oshiriladi.
• Pythonga asoslangan ilmiy va matematik paketlarning ko‘pligi NumPy
massivlaridan foydalanmoqda; Ular odatda
Python-ketma-ket kiritishni
qo‘llab- quvvatlasa ham, ular qayta ishlashdan oldin bunday kirishni NumPy
massivlariga aylantiradi va ko‘pincha NumPy massivlarini chiqaradi.
Boshqacha qilib aytganda, Python-ga asoslangan bugungi ilmiy/matematik
dasturiy ta’minotning ko‘p qismini (ehtimol ko‘pini) samarali ishlatish uchun
Pythonning o‘rnatilgan ketma-ketlik turlaridan
qanday foydalanishni bilish
yetarli emas - NumPy massivlaridan qanday foydalanishni ham bilish
kerak.[1]