NumPy लाइब्रेरी की मूल बातें: arrays, matrices और गणितीय संक्रियाएँ

NumPy लाइब्रेरी का परिचय

NumPy लाइब्रेरी Python में वैज्ञानिक गणनाओं की नींव है। numpy python की मदद से डेवलपर्स मल्टी-डायमेंशनल arrays, matrices के साथ कुशलतापूर्वक काम कर सकते हैं और हाई-परफॉर्मेंस गणितीय संक्रियाएँ कर सकते हैं।

NumPy डेटा विश्लेषण, मशीन लर्निंग और इंजीनियरिंग गणनाओं के इकोसिस्टम का अहम हिस्सा है। Pandas, Scikit-learn, TensorFlow जैसे लोकप्रिय फ्रेमवर्क और कई अन्य वैज्ञानिक प्रोग्रामिंग टूल्स इस लाइब्रेरी का सक्रिय रूप से उपयोग करते हैं।

इस सामग्री में numpy arrays पर एक संपूर्ण गाइड दी गई है, जो arrays और matrices के साथ काम करने में महारत हासिल करने में मदद करेगी। आप अंकगणितीय और तार्किक संक्रियाएँ करना, साथ ही डेटा संरचनाओं को कुशलतापूर्वक जोड़ना और बदलना सीखेंगे।

लाइब्रेरी की स्थापना और प्रारंभिक सेटअप

NumPy स्थापित करने की प्रक्रिया

numpy python लाइब्रेरी को स्थापित करने के लिए pip पैकेज मैनेजर का उपयोग करें:

pip install numpy

स्थापना की जाँच करना

स्थापना के बाद, लाइब्रेरी के वर्जन की जाँच करना उचित है:

import numpy as np
print(np.__version__)

यह कमांड स्थापित लाइब्रेरी का वर्तमान वर्जन दिखाएगा, जो सफल स्थापना की पुष्टि करेगा।

NumPy के मुख्य ऑब्जेक्ट: arrays के साथ काम करना

ndarray क्या है

लाइब्रेरी का मुख्य ऑब्जेक्ट array (ndarray) है। यह Python की सामान्य सूचियों का उन्नत संस्करण है, जो गणितीय संक्रियाओं को तेज़ी से करने के लिए विशेष रूप से ऑप्टिमाइज़ किया गया है। Numpy arrays मेमोरी में अधिक कॉम्पैक्ट रूप से संग्रहीत होते हैं और सामान्य सूचियों की तुलना में काफी तेज़ी से प्रोसेस होते हैं।

एक-डायमेंशनल arrays बनाना

array बनाने का सबसे सरल तरीका:

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)  # [1 2 3 4 5]

मल्टी-डायमेंशनल arrays के साथ काम करना

दो-डायमेंशनल array (matrix) बनाने के लिए:

matrix = np.array([[1, 2], [3, 4]])
print(matrix)

परिणाम:

[[1 2]
 [3 4]]

NumPy arrays के मुख्य गुण

arrays के प्रमुख एट्रीब्यूट्स

प्रत्येक numpy array में कुछ महत्वपूर्ण गुण होते हैं:

• ndim - array के आयामों की संख्या
• shape - array का आकार, एक टपल के रूप में
• size - array में कुल तत्वों की संख्या
• dtype - array के तत्वों का डेटा प्रकार

गुणों का व्यावहारिक उपयोग

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.ndim)   # 2 (दो-आयामी array)
print(arr.shape)  # (2, 3) (2 पंक्तियाँ, 3 कॉलम)
print(arr.size)   # 6 (कुल 6 तत्व)
print(arr.dtype)  # int64 (डेटा प्रकार)

विभिन्न आयामों के numpy arrays के साथ कुशलतापूर्वक काम करने के लिए इन गुणों को समझना बेहद ज़रूरी है।

arrays बनाने के लिए विशेष फंक्शन्स

पूर्वनिर्धारित मानों वाले arrays

NumPy विशेष प्रकार के arrays बनाने के लिए सुविधाजनक फंक्शन्स प्रदान करता है:

• np.zeros() - शून्य से भरा array बनाना
• np.ones() - एक से भरा array बनाना
• np.eye() - आइडेंटिटी matrix बनाना
• np.full() - निर्दिष्ट मान से भरा array बनाना

zeros_array = np.zeros((2, 3))     # 2x3 का शून्य array
ones_array = np.ones((3, 3))       # 3x3 का एक array
identity = np.eye(3)               # 3x3 आइडेंटिटी matrix

अनुक्रम उत्पन्न करने के फंक्शन्स

• np.arange() - अंकगणितीय प्रगति बनाना
• np.linspace() - समान रूप से वितरित मान बनाना