Python'da Numpy Kütüphanesi Nedir? Nasıl Kullanılır?

NumPy (Numerical Python), veri bilimi ve bilimsel hesaplamalar için geliştirilmiş, güçlü bir Python kütüphanesidir. Yüksek performanslı diziler ve matris işlemleri sunarak, karmaşık hesaplamaları kolaylaştırır. Bu yazıda, NumPy'nin temel özelliklerini pratik kod örnekleriyle keşfedeceğiz.

Python listelerinin aksine, NumPy dizileri daha hızlı ve çeşitli matematiksel işlemleri kolayca yapabilecek şekilde tasarlanmıştır.

import numpy as np

# Liste oluşturma ve NumPy dizisine dönüştürme
num_list = [10.5, 20, 30]
np_array = np.array(num_list)

print(type(num_list))   
print(type(np_array))   

Yukarıda sırasıyla numpy kütüphanesini import etmeyi, liste oluşturmayı, listeyi Numpy dizisine dönüştürmeyi görmektesiniz.

Dizi Oluşturma Yöntemleri

• Arange: Belirli bir aralık ve adım ile dizi oluşturma
• Zeros ve Ones: Belirli boyutlarda sıfır veya birlerden oluşan matrisler oluşturur.
• Linspace: İki değer arasında eşit aralıklı elemanlarla dizi oluşturur.
• Random: Rastgele elemanlara dolu diziler oluşturur.

np.arange(0, 10, 2)  # [0 2 4 6 8]
np.zeros((2, 3))  # 2x3 boyutunda sıfır matrisi
np.ones((3, 3))   # 3x3 boyutunda bir matrisi
np.linspace(0, 5, 5)  # [0. 1.25 2.5 3.75 5.]
np.random.randint(1, 10, 5)  # [3 7 2 9 6]

Diziler Üzerinde İşlemler

• Reshape: Dizinin boyutunu değiştirme
• Matematiksel İşlemleri diziler üstünde uygulayabiliriz.
• Dizileri tek veya iki boyutlu indeksleyebiliriz. 
• Diziler üzerinde koşullu işlemler uygulayabiliriz.

# boyut değiştirme

array_reshaped = np.arange(12).reshape(3, 4)  

# matematiksel işlemler
arr = np.arange(5)
arr_squared = arr ** 2
arr_sqrt = np.sqrt(arr)

# indeksleme

arr = np.arange(10)
print(arr[3:7])  # [3 4 5 6]
arr[3:7] = -1    # [0 1 2 -1 -1 -1 -1 7 8 9]
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(matrix[1, 2])  # 6

# koşullu işlem
arr = np.random.randint(1, 20, 10)
selected = arr[arr > 10]  # arr içindeki elemanlardan sadece >10 olanlar

NumPy, veri bilimi projelerinde veri oluşturma, manipülasyon ve analiz için güçlü bir araçtır. Bu yazıda, NumPy'nin temel özelliklerini tanıtılmış olundu..