Modulvorstellung numpy von gaweng 3. Februar 2021 Modulvorstellung numpy das Mittel der Wahl, wenn es um eine Menge Zahlen geht. numpy ist letztlich ein Tool, dass es ermöglicht effizient mit großen Datenmengen umzugehen und Berechnungen zu tätigen. Ebenso bietet numpy eine Vielzahl von Möglichkeiten an, diese mit andren Modulen zu verbinden. Beispielsweise für die Bildbearbeitung in Scipy/Scikit über Datenverarbeitung in Pandas oder auch Machine Learning. Installation Wie fast jedes Python Modul kann dies mit pip installiert werden. pip install numpy Basics Einen kleinen Einstieg mag ich hier noch bieten, was für Features numpy mit sich bringt. Das ist doch bei weitem nicht alles, das ein oder andre erfahrt ihr dann noch in separaten Artikeln, sowie das Zusammenspiel mit anderen Modulen. Arrays erzeugen array1 = np.array([1,2,3,4]) # 1-Dimensionales Array array2 = np.array([[1,2],[3,4]) # 2-Dimensionales Array und so weiter array3 = np.zeros((2,2)) # 2x2-Array bestehend aus Nullen array4 = np.ones((2,2)) # 2x2-Array bestehend aus Einsen array5 = np.arange(10) # Array bestehehend aus 0,1,...,9 array5 = np.arange(3,4,0.2) # Array bestehehend aus 3,3.2,...,4 array6 = np.linspace(3, 4, 5) # Array bestehehend aus 3,3.25,...,4 array7 = np.eye(3) # 3x3 Einheitsmatrix Arrayzugriff array = np.array([1,2,3,4,5,6]) array # komplettes Array array[:3] # ersten 3 Elemente des Arrays array[3:] # Alle Elemente ab dem 4. Element array[-3] # Das 3-letzte Element array[-3:] # Die letzten 3 Elemente array[[3,3,4]] # Ausgabe: [4,4,5] Datentypen numpy bringt ebenso einige neue Datentypen mit. Die Liste aller Datentypen findet man hier. Das wichtigste hierbei ist, dass man bei der Erstellung der Arrays oder grundsätzlich der Verarbeitung diese angeben kann. Zugrunde werden die dahinterliegenden C-Datentypen genutzt, da die Bibliothek eben auf dessen Code aufsetzt. array = np.array([1,2,3,4,5,6], dtype=float) Die nächste Modulvorstellung wird matplotlib sein. Diese nutzt beispielsweise numpy-Arrays.