NumPy

A Wikipédiából, a szabad enciklopédiából

A NumPy egy kiegészítő csomag a Python programozási nyelvhez, bővebb támogatást nyújtva a nagy, többdimenziós tömbök és mátrixok használatára egy nagy magas szintű matematikai függvény könyvtárral. A NumPy előzője a Jim Hugunin és társai által létrehozott Numeric. 2005-ben Travis Oliphant létrehozta a NumPy csomagot. A NumPy nyílt forráskódú.

Korlátozások[szerkesztés]

Azok az algoritmusok melyeket nem lehet kifejezni mint vektorizált művelet általában lassabban fognak lefutni, mert az eredeti Pythonban kell végrehajtani, míg a vektorizálás több memóriát igényel (ideiglenes tömböket kell létrehozni melyek olyan nagyok mint a bemenet).

Példák[szerkesztés]

Tömbök létrehozása

>>> import numpy as np
>>> x = np.array([1, 2, 3])
>>> x
array([1, 2, 3])
>>> y = np.arange(10) # mint a Python "range" függvénye, csak egy tömb az eredménye
>>> y
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

Alapvető műveletek

>>> a = np.array([1, 2, 3, 6])
>>> b = np.linspace(0, 2, 4) # egy tömb létrehozása 4 egyenletesen elosztott pontokkal 0-val kezdődően 2-ig.
>>> c = a - b
>>> c
array([ 1.        ,  1.33333333,  1.66666667,  4.        ])
>>> a**2
array([ 1,  4,  9, 36])

Általános függvények

>>> a = np.linspace(-np.pi, np.pi, 100)
>>> b = np.sin(a)
>>> c = np.cos(a)

Lineáris algebra

>>> from numpy.random import rand
>>> from numpy.linalg import solve, inv
>>> a = np.array([[1, 2, 3], [3, 4, 6.7], [5, 9.0, 5]])
>>> a.transpose()
array([[ 1. ,  3. ,  5. ],
       [ 2. ,  4. ,  9. ],
       [ 3. ,  6.7,  5. ]])
>>> inv(a)
array([[-2.27683616,  0.96045198,  0.07909605],
       [ 1.04519774, -0.56497175,  0.1299435 ],
       [ 0.39548023,  0.05649718, -0.11299435]])
>>> b =  np.array([3, 2, 1])
>>> solve(a, b)  # ax = b egyenlet megoldása
array([-4.83050847,  2.13559322,  1.18644068])
>>> c = rand(3, 3)  # véletlenszerű 3x3-as mátrix létrehozása
>>> c
array([[  3.98732789,   2.47702609,   4.71167924],
       [  9.24410671,   5.5240412 ,  10.6468792 ],
       [ 10.38136661,   8.44968437,  15.17639591]])
>>> np.dot(a, c)  # mátrix szorzás
array([[  3.98732789,   2.47702609,   4.71167924],
       [  9.24410671,   5.5240412 ,  10.6468792 ],
       [ 10.38136661,   8.44968437,  15.17639591]])

Történet[szerkesztés]

A Python programozási nyelv eredetileg nem numerikus számításra volt tervezve, de felkeltette a kutató és mérnök közösség figyelmét még a tervezés elején. Ezért 1995-ben egy matrix-sig nevű érdekcsoport alakult azzal a céllal, hogy egy tömb számítási csomagot hozzon létre. A csoport tagjai között volt a Python fő tervezője/fenntartója Guido van Rossum, aki új függvényeket hozott létre a könnyebb tömb/tömbbel való számítás érdekében.[1] Később Jim Fulton létrehozott egy hasonló csomagot a mátrix/mátrixszal való számítás érdekében, melyet Jim Hugunin általánosított. Így jött létre a Numeric (Numerical Python, NumPy).[1][2][3]

Hugunin, a MIT-n végzős diák,[3]Sablon:Rp a CNRI-hez csatlakozott, annak érdekében, hogy a JPython-on dolgozzon 1997-ben.

Ez után a "rugalmas"Numarray csomag jött létre a Numeric helyett.[2] Ma, a Numarray és a Numeric is elavult.[4] A Numarray sokkal gyorsabban dolgozott a nagy tömbökkel, de a Numeric-nél lassabban a kicsi tömbökkel. Ezért egy ideig mind a két csomag használatban volt, azt alkalmazva, amelyik gyorsabb volt. A Numeric utolsó változata (v24.2) 2005. november 11-én, a numarray-é (v1.5.2) pedig 2006. augusztus 24-én volt kiadva.[5]

Egy ideig az volt a vágy, hogy a Numeric bekerüljön a Python standard könyvtárai közé, de Guido van Rossum (a Python írója) azt üzente, hogy a kód már nem karbantartható eredeti formájában sem.

2005 elején a NumPy fejlesztője, Travis Oliphant egyesítette a két közösséget, így egyesítették a Numarray és a Numeric csomagokat a NumPy v1.0-ba (2006).[2] Ez a SciPy projekt része volt. Annak elkerülése érdekében, hogy a nagy SciPy csomagot kelljen használni, az új csomag el volt különítve és azóta NumPy néven fut.

Kapcsolódó szócikkek[szerkesztés]

Jegyzetek[szerkesztés]

  1. ^ a b (2011) „Python for Scientists and Engineers”. Computing in Science and Engineering 13, 9–12. o.  
  2. ^ a b c Travis Oliphant (2007). „Python for Scientific Computing”. Computing in Science and Engineering.  
  3. ^ a b Numerical Python, 1999
  4. Numarray Homepage. (Hozzáférés: 2006. június 24.)
  5. NumPy Sourceforge Files. (Hozzáférés: 2008. március 24.)

További információk[szerkesztés]