Phenquestions
„NumPy“ diegimas „Ubuntu“:
Prieš įdiegdami „NumPy“ biblioteką, turite patikrinti įdiegtą sistemos pitono versiją. Šioje mokymo programoje „Python3“ naudojamas norint parodyti „NumPy“ bibliotekos diegimo „Python“ būdą. Paleiskite šią komandą, kad patikrintumėte įdiegtą pitono versiją.
$ python3 -VŠis išvestis rodo, kad Python 3 versija.8.6 yra įdiegta sistemoje.
Paleiskite šią komandą, kad įdiegtumėte „PyPod3“ „NumPy“ biblioteką.
$ sudo apt įdiekite python3-numpyPatikrinkite NumPy versija iš terminalo:
Įdiegtą „NumPy“ bibliotekos versiją galite patikrinti keliais būdais. Ši komanda parodys įdiegtą „NumPy“ bibliotekos versiją, jei ją tinkamai įdiegė ankstesnė komanda.
$ python3 -c "importuoti numpy; print (numpy.__versija__) "Šis išvestis rodo, kad „NumPy“ 1 versija.18.4 yra įdiegta sistemoje.
Importuokite ir patikrinkite NumPy versija
Įdiegtą „NumPy“ bibliotekos versiją galite sužinoti atlikdami python scenarijų. Vykdykite šią komandą, norėdami paleisti python scenarijų.
$ python3Paleiskite šį python scenarijų iš python komandų eilutės, kad patikrintumėte įdiegtą „NumPy“ bibliotekos versiją.
>>> importuoti numerį kaip np>>> np.versija.versija
Šiame išvestyje rodoma tiek „Python“, tiek „NumPy“ bibliotekos versija.
Įjunkite „NumPy“ PyCharm redaktoriuje:
Yra daug „python“ IDE, kad būtų galima vykdyti „python“ scenarijus. Kai kurie iš populiariausių python redaktorių yra PyCharm, Spyder, Eric, Pyzo, Atom, Pydev ir kt. Šioje mokymo programoje „PyCharm IDE“ naudojama parodyti, kaip rašyti ir vykdyti „Python“ scenarijų importuojant „NumPy“ biblioteką. Norėdami paleisti „PyCharm“ į „Ubuntu“, galite paleisti šią komandą.
$ sudo snap įdiekite pycharm-community --classicNorėdami importuoti biblioteką į scenarijų, turite nustatyti „NumPy“ bibliotekos vietą „PyCharm IDE“. Atidaryk Nustatymai langą spustelėdami Nustatymai meniu punktas iš Failas Meniu. Norėdami išsaugoti python scenarijų, spustelėkite projekto aplanką, kuris buvo sukurtas anksčiau. Čia yra projekto aplanko pavadinimas „Python“ esančią aplanke, / home / fahmida / PycharmProjects. Išsiaiškinti numpy aplanką, esantį / venv / lib / python3.8 / svetainės paketai. Pasirinkite aplanką ir spustelėkite Gerai mygtuką.
Darbas su „NumPy“:
Parašykite šį scenarijų į python failą, kad žinotumėte, kaip „NumPy“ biblioteka gali būti naudojama pitono scenarijuje. „NumPy“ masyvas veikia greičiau nei „python“ sąrašas, kurį rodo šio scenarijaus išvestis. „NumPy“ biblioteka yra importuojama scenarijaus pradžioje, kad būtų sukurtas „NumPy“ masyvas. Laiko biblioteka yra importuojama, norint apskaičiuoti laiką, reikalingą python sąrašams ir NumPy masyvams atlikti tą pačią užduotį. Masyvo dydis bus laikomas vartotojo įvestimi. Du pitonų sąrašai bus sukurti naudojant diapazonas() funkcija, pagrįsta įvesties verte. Tada dabartinis sistemos laikas bus saugomas kintamajame, pradžios laikas. Padauginus kiekvieną abiejų sąrašų vertę, bus sukurtas dar vienas naujas sąrašas. Abiejų sąrašų vertės yra vienodos, nes diapazono vertės sukuria sąrašus, o abiejuose sąrašuose yra tas pats reikšmių skaičius. Naujas sąrašo kintamasis, p_skaičiuoti, bus kiekvienas sąrašo kvadratinės vertės elementas. Vėlgi, dabartinis sistemos laikas yra saugomas kintamajame, pabaigos_ laikas. Skirtumas tarp pabaigos_ laikas ir pradžios laikas parodys python sąrašo laiką skaičiavimams atlikti. Kitoje scenarijaus dalyje, arange () „NumPy“ bibliotekos funkcija naudojama dviem vienmatėms diapazono reikšmių „NumPy“ masyvams sukurti. Abu masyvai yra padauginti, kad gautų tą patį išvestį, kurį generuoja du ankstesnių sakinių pitonų sąrašai. Laikas, reikalingas užduočiai apskaičiuoti naudojant „NumPy“ masyvą, bus atspausdintas, kad būtų galima palyginti laiką, reikalingą python sąrašui ir „NumPy“ masyvui.
# Importuokite reikalingas pakuotesimportuoti numerį kaip np
importo laikas
# Paimkite iš vartotojo masyvo dydį
array_size = int (input ("Įveskite masyvo dydį:"))
# Sukurkite du „Python“ sąrašus pagal masyvo_dydžio vertę
list1 = diapazonas (masyvo_dydis)
list2 = diapazonas (masyvo_dydis)
# Nustatykite pradžios laiką
pradžios laikas = laikas.laikas()
# Sukurkite sąrašą apskaičiuodami kvadratinę šaknį
p_kalkuliacija = [(a * b) a, b pakuotėje (sąrašas1, sąrašas2)]
# Atspausdinkite rezultatą
spausdinti ("Sąrašo rezultatas: \ n", p_kalculate)
# Nustatykite pabaigos laiką
pabaigos_ laikas = laikas.laikas()
# Atspausdinkite laiko vertę, reikalingą pitonų sąraše
spausdinti ("Laikas, reikalingas python sąrašui:", end_time - start_time)
# Sukurkite du „NumPy“ masyvus pagal reikšmę „array_size“
np_array1 = np.arange (masyvo_dydis)
np_array2 = np.arange (masyvo_dydis)
# Nustatykite pradžios laiką
pradžios laikas = laikas.laikas()
# Sukurkite masyvą apskaičiuodami kvadratinę šaknį
np_calculate = np_array1 * np_array2
# Atspausdinkite rezultatą
spausdinti ("Masyvo rezultatas: \ n", np_calculate)
# Nustatykite pabaigos laiką
pabaigos_ laikas = laikas.laikas()
# Spausdinkite laiko vertę, reikalingą „NumPy“ masyvo
spausdinti ("Numpy masyvo reikalingas laikas:", end_time - start_time)
Išvestis:
Ši išvestis pasirodys atlikus pirmiau pateiktą scenarijų. Išvestis rodo, kad norint atlikti tą pačią užduotį python sąrašui reikia daugiau laiko nei NumPy masyvui.
Išvada:
„Python NumPy“ bibliotekos „Python3“ diegimas ir naudojimas paaiškinamas šioje pamokoje, kad skaitytojas galėtų naudoti šią biblioteką savo „Python“ scenarijuje, kad išspręstų įvairių tipų matematines ir mokslines problemas.
