مرور

دوره آموزشی NumPy

آموزش مجموعه عملیات NumPy

مجموعه چیست مجموعه ای در ریاضیات مجموعه ای از عناصر منحصر به فرد است. مجموعه ها برای عملیات شامل عملیات متقاطع ، اتحاد و تفاوت استفاده می شوند. ایجاد مجموعه در NumPy ما می توانیم از unique()روش NumPy برای یافتن عناصر منحصر به…
ادامه مطلب ...

آموزش توابع Hyperbolic NumPy

توابع هذلولی نامپای فراهم می کند ufuncs sinh()، cosh()و tanh()که مقادیر را به رادیان و تولید مربوطه sinh، دوستانه و tanh ارزش .. مثال مقدار sinh PI/2 را پیدا کنید: import numpy as np x = np.sinh(np.pi/2) print(x) مثال…
ادامه مطلب ...

آموزش توابع مثلثاتی NumPy

توابع مثلثاتی NumPy ufunc ها را ارائه می دهد sin()، cos()و tan()مقادیری را در رادیان گرفته و مقادیر مربوط به sin ، cos و tan را تولید می کند. مثال مقدار سینوسی PI/2 را پیدا کنید: import numpy as np x = np.sin(np.pi/2) print(x)…
ادامه مطلب ...

آموزش NumPy GCD بزرگترین مخرج مشترک

پیدا کردن GCD (بزرگترین مخرج مشترک) GCD (بزرگترین مخرج مشترک) ، که با نام HCF (بالاترین عامل مشترک) نیز شناخته می شود ، بزرگترین عددی است که عامل مشترک هر دو عدد است. مثال HCF دو عدد زیر را بیابید: import numpy as np num1 = 6 num2…
ادامه مطلب ...

آموزش تفاوت NumPy

تفاوت تفاوت گسسته به معنای تفریق دو عنصر پی در پی است. به عنوان مثال برای ، تفاوت گسسته = خواهد بود. برای یافتن تفاوت گسسته ، از diff()تابع استفاده کنید . مثال تفاوت گسسته آرایه زیر را محاسبه کنید: import numpy as np arr =…
ادامه مطلب ...

آموزش محصولات NumPy

محصولات برای یافتن محصول عناصر موجود در یک آرایه ، از prod()تابع استفاده کنید . مثال محصول عناصر این آرایه را بیابید: import numpy as np arr = np.array() x = np.prod(arr) print(x) باز می گردد: 24 زیرا 1*2*3*4 = 24…
ادامه مطلب ...

آموزش NumPy Summations

جمع بندی ها تفاوت بین جمع و جمع چیست؟ جمع بین دو آرگومان انجام می شود در حالی که جمع بندی بر روی n عنصر اتفاق می افتد. مثال مقادیر موجود در arr1 را به مقادیر موجود در arr2 اضافه کنید: import numpy as np arr1 = np.array() arr2 =…
ادامه مطلب ...

آموزش لاگ های NumPy

سیاهه های مربوط NumPy عملکردهایی را برای انجام log در پایه 2 ، e و 10 فراهم می کند. ما همچنین بررسی خواهیم کرد که چگونه می توانیم با ایجاد یک ufunc سفارشی log را برای هر پایه ای بگیریم. اگر log نتواند محاسبه شود ، تمام توابع log در…
ادامه مطلب ...

آموزش گرد کردن اعشار

گرد کردن اعشار در NumPy عمدتا پنج روش برای جمع آوری اعشار وجود دارد: کوتاه کردن ثابت گرد کردن کف سقف کوتاه کردن اعداد اعشاری را حذف کرده و عدد شناور را نزدیک به صفر بازگردانید. از توابع trunc()and …
ادامه مطلب ...

آموزش حساب ساده

حساب ساده شما می توانید از عملگرهای حسابی + - * / مستقیماً بین آرایه های NumPy استفاده کنید ، اما در این قسمت به یک فرمت مشابه اشاره می کنیم که در آن ما توابعی داریم که می توانند هر شیء آرایه ای مانند لیست ها ، چندتایی ها و غیره را گرفته و…
ادامه مطلب ...

آموزش ufunc خود را ایجاد کنید

چگونه می توان ufunc خود را ایجاد کرد برای ایجاد ufunc خود ، باید یک تابع تعریف کنید ، مانند عملکردهای معمولی در Python ، سپس آن را با frompyfunc()روش به کتابخانه NumPy ufunc خود اضافه کنید . این frompyfunc()روش استدلال های زیر را می…
ادامه مطلب ...

آموزش توزیع Zipf

پراکندگی Zipf برای نمونه برداری از داده ها بر اساس قانون zipf استفاده می شود. قانون زیپ: در یک مجموعه ، نهمین اصطلاح مشترک 1/n برابر رایج ترین اصطلاح است. به عنوان مثال ، پنجمین کلمه رایج در انگلیسی تقریباً 1/5 بار از کلمه…
ادامه مطلب ...

آموزش توزیع Zipf

پراکندگی Zipf برای نمونه برداری از داده ها بر اساس قانون zipf استفاده می شود. قانون زیپ: در یک مجموعه ، نهمین اصطلاح مشترک 1/n برابر رایج ترین اصطلاح است. به عنوان مثال ، پنجمین کلمه رایج در انگلیسی تقریباً 1/5 بار از کلمه پرکاربردتر…
ادامه مطلب ...

آموزش توزیع پارتو

توزیع پارتو توزیع مطابق قانون پارتو یعنی توزیع 80-20 (عوامل 20٪ باعث 80٪ نتیجه می شوند). دارای دو پارامتر است: a - پارامتر شکل size - شکل آرایه بازگشتی. مثال یک نمونه برای توزیع pareto با شکل 2 با اندازه 2x3 بکشید: from numpy…
ادامه مطلب ...

آموزش توزیع رایلی

توزیع رایلی توزیع ریلی در پردازش سیگنال استفاده می شود. دارای دو پارامتر است: scale - (انحراف استاندارد) تصمیم می گیرد که توزیع به طور پیش فرض 1.0 باشد. size - شکل آرایه بازگشتی. مثال یک نمونه برای توزیع رایلی با مقیاس 2…
ادامه مطلب ...

آموزش توزیع میدان چی

توزیع میدان چی برای تأیید فرضیه از توزیع مربع چی استفاده می شود. دارای دو پارامتر است: df - (میزان آزادی). size - شکل آرایه بازگشتی. مثال یک نمونه برای توزیع مربع چی با درجه آزادی 2 با اندازه 2x3 تهیه کنید: from numpy import…
ادامه مطلب ...

آموزش توزیع نمایی

توزیع نمایی توزیع نمایی برای توصیف زمان تا رویداد بعدی به عنوان مثال شکست/موفقیت و غیره استفاده می شود. دارای دو پارامتر است: scale - معکوس نرخ (به lam در توزیع Poisson مراجعه کنید) به طور پیش فرض 1.0 است. size - شکل آرایه…
ادامه مطلب ...

آموزش توزیع چند جمله ای

توزیع چند جمله ای توزیع چند جمله ای تعمیم توزیع دو جمله ای است. این نتایج سناریوهای چند اسمی را بر خلاف دو جمله ای توصیف می کند که سناریوها فقط یکی از دو مورد است. به عنوان مثال گروه خونی یک جمعیت ، نتیجه تاس خوردن. دارای سه پارامتر…
ادامه مطلب ...

آموزش توزیع لجستیک

توزیع لجستیک توزیع لجستیک برای توصیف رشد استفاده می شود. به طور گسترده در یادگیری ماشین در رگرسیون لجستیک ، شبکه های عصبی و غیره استفاده می شود. دارای سه پارامتر است: loc- منظور این است که قله کجاست. پیش فرض 0 scale- انحراف…
ادامه مطلب ...

آموزش توزیع یکنواخت

توزیع یکنواخت برای توصیف احتمال استفاده می شود که در آن هر رویداد شانس مساوی برای وقوع دارد. به عنوان مثال تولید اعداد تصادفی. دارای سه پارامتر است: a - حد پایین - پیش فرض 0 .0. b - حد بالا - پیش فرض 1.0 size - شکل آرایه…
ادامه مطلب ...

آموزش توزیع پواسون

توزیع پواسون توزیع پواسون یک توزیع مجزا است . برآورد می کند که چند بار یک رویداد می تواند در یک زمان مشخص رخ دهد. به عنوان مثال ، اگر کسی دو بار در روز غذا بخورد ، احتمالاً سه بار غذا می خورد؟ دارای دو پارامتر است: lam - تعداد یا…
ادامه مطلب ...

آموزش توزیع دو جمله ای

توزیع دو جمله ای توزیع دو جمله ای یک توزیع مجزا است . این نتیجه سناریوهای دوتایی را توصیف می کند ، به عنوان مثال پرتاب سکه ، سر یا دم خواهد بود. دارای سه پارامتر است: n - تعداد آزمایشات p - احتمال وقوع هر آزمایش (به عنوان مثال…
ادامه مطلب ...

آموزش توزیع عادی (گوسی)

توزیع نرمال توزیع عادی یکی از مهمترین توزیع ها است. به نام ریاضی دان آلمانی کارل فردریش گاوس ، توزیع گوسی نیز نامیده می شود. با توزیع احتمالی بسیاری از رویدادها مطابقت دارد ، به عنوان مثال. نمرات ضریب هوشی ، ضربان قلب و غیره…
ادامه مطلب ...

آموزش دریانورد

با Seaborn توزیع ها را تجسم کنید Seaborn کتابخانه ای است که از Matplotlib در زیر برای رسم نمودارها استفاده می کند. از آن برای تجسم توزیع های تصادفی استفاده می شود. Seaborn را نصب کنید. اگر Python و PIP را قبلاً روی سیستم نصب کرده اید…
ادامه مطلب ...

آموزش مجوزهای تصادفی

جایگزینی های تصادفی عناصر جایگشت به چیدمان عناصر اشاره دارد. به عنوان مثال جایگزینی است و برعکس. ماژول NumPy Random دو روش برای این کار ارائه می دهد: shuffle()و permutation(). برهم زدن آرایه ها Shuffle به معنی تغییر ترتیب…
ادامه مطلب ...

آموزش توزیع داده های تصادفی

توزیع داده چیست؟ توزیع داده ها لیستی از تمام مقادیر ممکن و تعداد دفعات وقوع هر مقدار است. چنین لیستی هنگام کار با آمار و علم داده مهم است. ماژول تصادفی روش هایی را ارائه می دهد که توزیع داده های تولید شده به طور تصادفی را برمی…
ادامه مطلب ...

آموزش اعداد تصادفی در NumPy

شماره تصادفی چیست؟ عدد تصادفی هر بار به معنای عدد متفاوت نیست. تصادفی به معنای چیزی است که به طور منطقی قابل پیش بینی نیست. شبه تصادفی و تصادفی واقعی. رایانه ها روی برنامه ها کار می کنند و برنامه ها مجموعه دستورالعمل های قطعی هستند. …
ادامه مطلب ...

آموزش آرایه فیلتر NumPy

فیلتر کردن آرایه ها به برخی عناصر از یک آرایه موجود و ایجاد یک آرایه جدید از آنها فیلترینگ گفته می شود . در NumPy ، یک آرایه را با استفاده از فهرست فهرست بولی فیلتر می کنید . لیست شاخص بولی یک لیست از Booleans می مربوط به شاخص در…
ادامه مطلب ...

آموزش آرایه های مرتب سازی NumPy

مرتب سازی آرایه ها مرتب سازی به معنی قرار دادن عناصر در یک ترتیب مرتب شده است . دنباله مرتب شده هر دنباله ای است که دارای ترتیب مربوط به عناصر ، مانند عددی یا الفبایی ، صعودی یا نزولی باشد. شیء NumPy ndarray دارای تابعی است sort()که…
ادامه مطلب ...

آموزش جستجوی آرایه NumPy

جستجوی آرایه ها می توانید یک آرایه را برای مقدار معینی جستجو کنید و نمایه هایی را که مطابقت دارند بازگردانید. برای جستجوی آرایه ، از where()متد استفاده کنید. مثال نمایه هایی را که مقدار آن 4 است پیدا کنید: import numpy as np arr…
ادامه مطلب ...

آموزش آرایه تقسیم NumPy

تقسیم آرایه های NumPy Splitting عملیات معکوس Joining است. پیوستن چندین آرایه را به یک و Splitting یک آرایه را به چند تقسیم می کند. ما array_split()برای تقسیم آرایه ها استفاده می کنیم ، آرایه ای را که می خواهیم تقسیم کنیم و تعداد…
ادامه مطلب ...

آموزش NumPy Joining Array

پیوستن به NumPy Arrays پیوستن به معنای قرار دادن محتویات دو یا چند آرایه در یک آرایه است. در SQL ما جداول را بر اساس یک کلید می پیوندیم ، در حالی که در NumPy ما آرایه ها را بر اساس محورها به هم می پیوندیم. ما دنباله ای از آرایه ها را…
ادامه مطلب ...

آموزش تکرار آرایه NumPy

تکرار آرایه ها تکرار به معنی گذر از عناصر یکی پس از دیگری است. همانطور که با آرایه های چند بعدی در numpy سروکار داریم ، می توانیم این کار را با استفاده از forحلقه اصلی پایتون انجام دهیم. اگر روی یک آرایه 1-D تکرار کنیم ، تک تک عناصر…
ادامه مطلب ...

آموزش تغییر شکل آرایه NumPy

تغییر شکل آرایه ها تغییر شکل یعنی تغییر شکل یک آرایه. شکل یک آرایه تعداد عناصر در هر بعد است. با تغییر شکل می توانیم ابعاد را اضافه یا حذف کنیم یا تعداد عناصر را در هر بعد تغییر دهیم. تغییر شکل از 1-D به 2-D مثال آرایه 1…
ادامه مطلب ...

آموزش شکل آرایه NumPy

شکل یک آرایه شکل یک آرایه تعداد عناصر در هر بعد است. شکل یک آرایه را دریافت کنید آرایه های NumPy دارای صفتی به نام هستند shapeکه با هر شاخص دارای تعداد عناصر مربوطه ، یک تاپل برمی گرداند. مثال چاپ یک آرایه دو بعدی: import…
ادامه مطلب ...

آموزش NumPy Array Copy vs View

تفاوت بین Copy و View تفاوت اصلی بین یک نسخه و نمای یک آرایه در این است که کپی یک آرایه جدید است و نمای فقط نمای یک آرایه اصلی است. کپی داده ها را در اختیار دارد و هرگونه تغییر در کپی روی آرایه اصلی تأثیر نمی گذارد و هر تغییری که در…
ادامه مطلب ...

آموزش انواع داده NumPy

انواع داده در پایتون به طور پیش فرض پایتون این نوع داده ها را دارد: strings- برای نشان دادن داده های متن استفاده می شود ، متن زیر علامت نقل قول داده می شود. به عنوان مثال "ABCD" integer- برای نشان دادن اعداد صحیح استفاده می…
ادامه مطلب ...

آموزش برش آرایه NumPy

برش آرایه ها برش در پایتون به معنای انتقال عناصر از یک شاخص به شاخص دیگر است. به جای ایندکس ، برش را مانند این ارسال می کنیم :. ما همچنین می توانیم مرحله را مانند این تعریف کنیم :. اگر تصویب نکنیم 0 را در نظر بگیرید اگر طول…
ادامه مطلب ...

آموزش نمایه سازی آرایه NumPy

دسترسی به عناصر آرایه نمایه سازی آرایه همان دسترسی به یک عنصر آرایه است. با مراجعه به شماره فهرست یک عنصر آرایه می توانید به آن دسترسی پیدا کنید. ایندکس ها در آرایه های NumPy با 0 شروع می شوند ، بدین معنی که عنصر اول دارای شاخص 0…
ادامه مطلب ...

آموزش NumPy ایجاد آرایه

یک شیء NumPy ndarray ایجاد کنید NumPy برای کار با آرایه ها استفاده می شود. شیء آرایه در NumPy نامیده می شود ndarray. ndarrayبا استفاده از array()تابع می توان یک شی NumPy ایجاد کرد . مثال import numpy as np arr = np.array()…
ادامه مطلب ...

آموزش شروع به کار NumPy

نصب NumPy اگر Python و PIP را از قبل روی سیستم نصب کرده اید ، نصب NumPy بسیار آسان است. با استفاده از این دستور آن را نصب کنید: C:\Users\Your Name>pip install numpy اگر این فرمان شکست خورد ، از توزیع پایتون که قبلاً NumPy را نصب…
ادامه مطلب ...

آموزش معرفی NumPy

NumPy چیست؟ NumPy یک کتابخانه پایتون است که برای کار با آرایه ها استفاده می شود. همچنین دارای توابع برای کار در حوزه جبر خطی ، تبدیل چهار و ماتریس ها است. NumPy در سال 2005 توسط تراویس اولیفانت ایجاد شد. این یک پروژه منبع باز است و…
ادامه مطلب ...