آرایه‌ها در پایتون با کتابخانه NumPy
آرایه‌ها یکی از اساسی‌ترین ساختارهای داده در برنامه‌نویسی هستند که امکان ذخیره و مدیریت مجموعه‌ای از مقادیر را فراهم می‌کنند. در پایتون، کتابخانه NumPy ابزارهای قدرتمندی برای کار با آرایه‌ها ارائه می‌دهد.
انواع روش‌های ایجاد آرایه
در NumPy روش‌های مختلفی برای ایجاد آرایه وجود دارد:
- ایجاد آرایه از لیست‌های پایتون
- استفاده از توابع تولید آرایه مانند zeros یا ones
- ایجاد آرایه‌های تصادفی
- خواندن داده‌ها از فایل‌های خارجی
| تابع |
توضیحات |
| array() |
ایجاد آرایه از لیست یا تاپل |
| zeros() |
آرایه با مقادیر صفر |
| arange() |
آرایه با اعداد متوالی |
مثال‌های عملی
برای ایجاد یک آرایه ساده از لیست پایتون:
import numpy as np
my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
برای یادگیری عمیق‌تر می‌توانید از آموزش‌های مکث شاپ استفاده کنید که به صورت گام به گام مفاهیم را آموزش می‌دهد.
مقداردهی و تغییر آرایه‌ها
پس از ایجاد آرایه، می‌توانید مقادیر آن را تغییر دهید:
- دسترسی به عناصر با اندیس
- تغییر مقادیر با استفاده از اندیس‌دهی
- استفاده از برش‌ها (slicing) برای تغییر بخشی از آرایه
نکته مهم: آرایه‌های NumPy برخلاف لیست‌های پایتون، همگن هستند و تمام عناصر آنها باید از یک نوع داده باشند.
برای کار با آرایه‌های چندبعدی نیز می‌توانید از همان توابع استفاده کنید، فقط باید ابعاد آرایه را مشخص نمایید. این ویژگی NumPy را به ابزاری ایده‌آل برای محاسبات علمی تبدیل کرده است.
