Основы работы с библиотекой NumPy
Покупка
Тематика:
Математическое моделирование
Год издания: 2024
Кол-во страниц: 112
Дополнительно
Вид издания:
Учебно-методическая литература
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-7882-3470-0
Артикул: 853744.01.99
Рассмотрены возможности библиотеки NumPy в области решения задач линейной алгебры, работы с массивами и генерирования случайных чисел и последовательностей. Для оценки уровня усвоения студентами пройденного материала предложены варианты заданий для самостоятельной работы.
Предназначено для бакалавров, обучающихся по направлениям подготовки 09.03.02 «Информационные системы и технологии», 22.03.01 «Материаловедение и технологии материалов», 28.03.02 «Наноинженерия», 18.03.01 «Химическая технология», 29.03.04 «Технология художественной обработки материалов», 29.03.05 «Конструирование изделий легкой промышленности», изучающих дисциплины «Алгебра и геометрия», «Информатика», «Информационные технологии», «Вычислительная математика», «Теория вероятностей и математическая статистика».
Подготовлено на кафедре информатики и прикладной математики.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 09.03.02: Информационные системы и технологии
- 18.03.01: Химическая технология
- 22.03.01: Материаловедение и технологии материалов
- 28.03.02: Наноинженерия
- 29.03.04: Технология художественной обработки материалов
- 29.03.05: Конструирование изделий легкой промышленности
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
Министерство науки и высшего образования Российской Федерации Казанский национальный исследовательский технологический университет А. Н. Титов, Р. Ф. Тазиева ОСНОВЫ РАБОТЫ С БИБЛИОТЕКОЙ NUMPY Учебно-методическое пособие Казань Издательство КНИТУ
УДК 004.42(075) ББК 32.97я7 Т45 Печатается по решению редакционно-издательского совета Казанского национального исследовательского технологического университета Рецензенты: д-р пед. наук, доц. Ю. В. Торкунова канд. экон. наук, доц. О. С. Семичева Т45 Титов А. Н. Основы работы с библиотекой NumPy : учебно-методическое пособие / А. Н. Титов, Р. Ф. Тазиева; Минобрнауки России, Казан. нац. исслед. технол. ун-т. – Казань : Изд-во КНИТУ, 2024. – 112 с. ISBN 978-5-7882-3470-0 Рассмотрены возможности библиотеки NumPy в области решения задач линейной алгебры, работы с массивами и генерирования случайных чисел и последовательностей. Для оценки уровня усвоения студентами пройденного материала предложены варианты заданий для самостоятельной работы. Предназначено для бакалавров, обучающихся по направлениям подготовки 09.03.02 «Информационные системы и технологии», 22.03.01 «Материаловедение и технологии материалов», 28.03.02 «Наноинженерия», 18.03.01 «Химическая технология», 29.03.04 «Технология художественной обработки материалов», 29.03.05 «Конструирование изделий легкой промышленности», изучающих дисциплины «Алгебра и геометрия», «Информатика», «Информационные технологии», «Вычислительная математика», «Теория вероятностей и математическая статистика». Подготовлено на кафедре информатики и прикладной математики. УДК 004.42(075) ББК 32.97я7 ISBN 978-5-7882-3470-0 © Титов А. Н., Тазиева Р. Ф., 2024 © Казанский национальный исследовательский технологический университет, 2024
О Г Л А В Л Е Н И Е Введение .................................................................................................................... 5 1. NUMPY. НАЧАЛО РАБОТЫ .............................................................................. 7 1.1. Объекты библиотеки NumPy .................................................................. 10 1.2. Типы данных ............................................................................................ 15 1.3. Вывод массивов на экран ........................................................................ 16 2. РАБОТА С МАССИВАМИ ............................................................................... 19 2.1. Атрибуты массивов ................................................................................. 19 2.2. Создание массивов................................................................................... 20 2.3. Доступ к элементам массива .................................................................. 32 2.4. Сортировка элементов массива .............................................................. 37 2.5. Операции над множествами из массивов .............................................. 42 2.6. Преобразования массивов. Функции ravel(), reshape(), resize(), transpose(), swapaxes() и rot90() ..................................................................... 46 2.7. Удаление, добавление строк и столбцов ............................................... 48 2.8. Разбиение массива ................................................................................... 53 2.9. Математические операции над элементами массива ........................... 54 2.10. Логические операции ............................................................................ 57 2.11. Статистические операции ..................................................................... 59 2.12. Строковые функции ............................................................................... 74 2.13. Дополнительные возможности. Чтение данных из файла ................ 78 3. МАТРИЧНЫЕ ОПЕРАЦИИ С МАССИВАМИ. РАБОТА С МОДУЛЕМ LINALG .................................................................................................................... 81 3.1. Умножение векторов и матриц .............................................................. 81 3.2. Работа с модулем numpy.linalg ...............................................................
4. ГЕНЕРИРОВАНИЕ СЛУЧАЙНЫХ ЧИСЕЛ ................................................... 93 4.1. Генерирование чисел из дискретных распределений .......................... 93 4.2. Генерирование чисел из непрерывных распределений ....................... 97 4.3. Генерирование случайной выборки из заданного массива ............... 102 Задания для самостоятельной работы ................................................................ 107 Литература .............................................................................................................
В В Е Д Е Н И Е Главным разработчиком библиотек NumPy и SciPy, предназначенных для проведения научных и технических вычислений, является Трэвис Олифант (Travis Oliphant). NumPy (Numerical Python) – это библиотека с открытым исходным кодом, отделившаяся от проекта SciPy. NumPy является наследником пакетов Numeric и NumArray и была выпущена в 2005 году. Основана NumPy на библиотеке LAPAC, которая написана на Fortran. Официальный сайт библиотеки – www.numpy.org. В силу того что NumPy базируется на Fortran, это быстрая библиотека. Библиотека поддерживает векторные операции с многомерными массивами. Эти два обстоятельства делают ее крайне удобной. Кроме базового варианта (многомерные массивы в базовом варианте), NumPy включает в себя набор модулей для решения специализированных задач: – модуль numpy.linalg реализует операции линейной алгебры (простое умножение векторов и матриц есть в базовом варианте); – модуль numpy.random реализует функции для работы со случайными величинами; – модуль numpy.fft реализует прямое и обратное преобразование Фурье. NumPy активно используется в сочетании с различными библиотеками, такими как Pandas, Scipy, Matplotlib, scikit-learn и т. д. Пособие включает в себя 4 главы. В первой рассмотрены объекты библиотеки и типы данных, предоставляемые библиотекой, приведен список основных математических функций. Во второй главе показано, как можно создать основной объект библиотеки – n-мерный массив, приведены его атрибуты. Показано, как можно осуществить доступ к элементам массива, как проводить операции над массивами: арифметические, логические, статистические. Рассмотрены вопросы преобразования массивов: удаления и добавления строк и столбцов, сортировки массивов, разбиения его на несколько частей. Третья глава посвящена работе с модулем numpy.linalg. Показано, как можно умножать вектора и матрицы, вычислять определитель матрицы, ее ранг и норму, собственные значения и собственные вектора, находить обратную матрицу, решать системы линейных алгебраических уравнений (СЛАУ), находить приближенное решение СЛАУ методом наименьших квадра5
тов в случае, когда система несовместна. На большом количестве примеров продемонстрировано назначение параметров каждого рассмотренного метода или функции. В четвертой главе рассмотрена работа с модулем numpy.random: генерирование случайных чисел с заданным дискретным или непрерывным законом распределения, генерирование случайной выборки заданного объема из имеющегося массива. Материал, изложенный в пособии, может быть использован при проведении лабораторных занятий по информационным технологиям, обработке экспериментальных данных, линейной алгебре, теории вероятностей и математической статистике. Используемая в пособии версия NumPy – 1.23.3. Вся работа была проведена в Jupyter Notebook и Google Colab, кроме специально оговоренных случаев.
. N U M P Y . Н А Ч А Л О Р А Б О Т Ы Для работы с библиотекой NumPy ее нужно установить на компьютер. Некоторые среды разработки Python, такие как, например, Google Colab, уже включают в себя различные библиотеки, в том числе и NymPy. Их устанавливать не надо, а следует только импортировать. Проверить, установлена ли данная библиотека (модуль), можно, набрав в командной строке pip freeze. Получится список, аналогичный приведенному на рис. 1.1. Рис. 1.1. Список установленных библиотек Python Если в этом списке нет нужной библиотеки, установить ее в Python можно несколькими способами. Самый простой – установить библиотеку из репозитория PyPI (Python Package Index). Репозиторий – это место, где хранятся и поддерживаются какие-либо данные. В Python это коллекция дополнительных библиотек, хранящаяся на сервере. В настоящий момент количество библиотек в репозитории составляет более 400 тысяч.
Для установки библиотек из репозитория необходимо подключение к сети Интернет. Далее в консоли (терминале) нужно выполнить команду: pip install <название библиотеки>. Установить библиотеку NumPy можно командой pip install numpy После ввода команды начнется загрузка установочного пакета и дополнительных библиотек, от которых зависит NumPy. Затем начнется процесс установки. Если установка пройдет успешно, в командной строке появится сообщение: Successfully installed numpy По умолчанию установится последняя версия библиотеки. Узнать версию, если вы работаете в Jupyter Notebook или в другой среде разработки, можно, выполнив команды import numpy as np # импорт библиотеки np.version.version В программе обращаться к NumPy можно по псевдониму np. Это упростит чтение кода. Такой импорт широко используется сообществом программистов, поэтому рекомендуется его придерживаться, чтобы код был понятен каждому. С помощью команды from можно импортировать либо все функции (методы) библиотеки (символ *), либо лишь некоторые из них (например, sin, cos). Воспользоваться какойлибо функцией библиотеки, например вычислить sin(3), можно одним из способов: import numpy; y=numpy.sin(3); y import numpy as np; y=np.sin(3); y from numpy import sin; y=sin(3); y from numpy import * ; y=sin(3); y import numpy as abc; y=abc.sin(3); y Использовать abc или любое другое имя вместо np не рекомендуется.
Набрав после импортирования библиотеки в строке ввода редактора IDLE np. и нажав клавишу <Tab>, получим отображения содержимого пространства имен NumPy: Выбрав, например, пункты add_newdoc_ufunc и count_nonzero, получим следующую информацию: Для отображения встроенной документации можно набрать и выполнить строки: import numpy as np ; np? В результате получим краткую характеристику библиотеки (модуля), фрагмент которой представлен далее: Type: module String form: <module 'numpy' from 'C:\\Users\\Администратор\\ AppData\\Local\\Programs\\Python\\Python310\\ lib \\site-packages\\ numpy\\__init__.py'> File: c:\users\администратор\appdata\local\programs\python\python310\ lib\site-packages\numpy\__init__.py Docstring: NumPy Provides 1. An array object of arbitrary homogeneous items
2. Fast mathematical operations over arrays 3. Linear Algebra, Fourier Transforms, Random Number Generation How to use the documentation Более детальную документацию вместе с учебниками и другими ресурсами можно найти по адресу – https://numpy.org/. 1 . 1 . О б ъ е к т ы б и б л и о т е к и N u m P y Основным объектом NumPy является однородный многомерный массив (в NumPy он называется NumPy.ndarray). Многомерность массива означает, что у него может быть несколько осей (axes). Число осей называется рангом (rank). Массив в Python – это упорядоченная структура данных, используемая для хранения однотипных объектов. По своему функциональному назначению массивы схожи со списками, но обладают некоторыми ограничениями на тип и размер входных данных. Главным отличием списка и массива является то, что списки могут хранить разнородные данные, а массивы – только данные одного типа. Такое ограничение позволяет многократно увеличить скорость вычислений, а также избежать ненужных ошибок с приведением и обработкой типов. Список – это динамическая структура. Размер списка можно изменять во время выполнения программы (удалять, добавлять элементы), чего нельзя делать с массивами. Следует также помнить, что одни и те же операции со списками и массивами могут привести к разным результатам. Массивы NumPy оптимизированы для сложных математических и статистических операций. С массивами можно проводить числовые операции с большим объемом информации в разы быстрее и намного эффективнее, чем со списками. В NumPy можно выделить три вида массивов: – произвольные многомерные массивы (array); – матрицы (matrix) – двумерные квадратные массивы, для которых определены матричные операции. Для работы с матрицами можно вместо обычных массивов создавать объекты, принадлежащие к классу matrix; – сетки (grid) – массивы, в которых записаны значения координат точек сетки (обычно ортогональной). Сетки позволяют удобно вычислять значение функций многих переменных.