Cemre Acar
NumPy Nedir ? NumPy Kullanımı

NumPy Nedir ? NumPy Kullanımı

NumPy Nedir ?

NumPy , istatistiksel verileri işlemek için uygun karmaşık matematik işlemlerinin bir koleksiyonuyla donatılmış ücretsiz bir Python kütüphanesidir. Veri işleme , Veri Bilimi ve Makine Öğrenmesi'nin temel bileşenlerinden biridir. Büyük boyutlardaki veri kümeleri üzerinden işlem yapmamızı kolaylaştırır.
Makine Öğrenmesi uygulamalarında, sistem büyük miktarda veri alır ve doğru tahminler yapmak için kendini eğitir. Doğal olarak, anlamlı bir şey üretmek için sayısal veriler üzerinde aritmetik işlemler yapılması gerekecektir. İşte burada NumPy devreye giriyor. 
NumPy'daki ana veri yapısı NumPy dizileridir. Tüm veriler dizilerde saklanır. NumPy, bu diziler üzerinde gerçekleştirilebilen geniş bir matematiksel ve istatistiksel işlemler sağlar.

Ben de bu yazıda NumPy nedir, NumPy ne zaman kullanırız, NumPy kurulumu ve NumPy temel giriş hakkında sık kullanacağınız tüm işlemleri çeşitli başlıklar altında listeleyeceğim.

Öyleyse geçelim kuruluma.

NumPy Kurulum

NumPy kütüphanesini kurmak için Python paket yöneticisi olan pip bilgisayarınızda yüklü olmalı. Yüklü değilse ilk olarak pip ardından da NumPy kütüphanemizi kuralım. 

Ben tüm işlemleri Linux üzerinde gerçekleştirdiğimden kurulumu da Linux üzerinde yapacağım.

Python pip yüklemek için ;

sudo apt-get install python3-pip

Ve ardından NumPy kütüphanemizi yüklemek için ;

pip install numpy

İşte Hazırız !
Öncelikle kütüphanemizi kullanmak için onu işlemlerimize dahil etmeliyiz.

import numpy as np


NumPy ile Temel İşlemler

İlk olarak Python listeleri kullanarak bir NumPy Array'i oluşturalım ve type() ile aldığımız dönüte bir bakalım.

a = np.array([20,30,40,50])
type(a)

Sonuç olarak aldığımız dönüt aşağıdaki gibi oldu. 

numpy.ndarray

Buradaki ndarray NumPy’in dizi sınıfına verilen isimdir. Yani burada bir NumPy Array'i başarıyla oluşturmuş olduk. Yine başka bir örnekte bir NumPy Array'i "0" ile dolduralım. 

np.zeros(5, dtype = int)

Sonuç:

array([0, 0, 0, 0, 0])

Aynı işlem ile bu sefer bir matris oluşturalım ve tüm değerleri "1" ile dolduralım. 

np.ones((3,2), dtype = int)

Gördüğümüz sonuç aşağıdaki şekilde oldu.

array([[1, 1],
       [1, 1],
       [1, 1]])

Bu tarzda çeşitli NumPy Array oluşturma şekilleri mevcut. Bir de aşağıdaki şekilde bir array oluşturalım.

np.arange(0,10,2)

Burada da 0'dan 10'a kadar 2'şer atlayarak bir array oluşturduk.

array([0, 2, 4, 6, 8])

Tabi oluşturmak istediğimiz array'i sürekli 0 ya da 1 ile doldurmak zorunda değiliz. Aşağıda 0 ile 20 arasında random bir matris oluşturalım. 

np.random.randint(0,20,(2,3))

Out:

array([[15,  9,  8],
       [ 6,  8,  9]])

Şimdi de oluşturmayı öğrendiğimiz NumPy array'lerimizin çeşitli özelliklerine bir bakalım.

  • ndim : Dizi'nin Boyut Sayısı

  • shape : Dizi'nin Boyut Bilgisi

  • size : Dizi'nin Toplam Eleman Sayısı

  • dtype : Dizi'nin Veri Tipi

Yukarıdaki özellikleri bir kaç örnekle gösterelim.

x = np.random.randint(10, size= (3,5,5))


Bu örnekte 3 adet matris oluşturmuş olduk ve her biri 5x5 boyutunda. Bu örnek üzerinden yukarıdaki özellikleri göstermeyi deneyelim.

x.ndim

Sonuç: 3

x.shape

Sonuç: (3, 5, 5)

x.size

Sonuç: 75

Bu yazıda temel olarak NumPy nedir, NumPy kurulumu, NumPy array oluşturma ve NumPy arraylerinin bazı özelliklerine NumPy ile temel işlemler başlığı altında değinmiş olduk. Ek olarak Pandas Nedir ? Pandas Kullanımı isimli yazıma da buradan ulaşabilirsiniz. Yazımda eksik ya da yetersiz kısımları yorum olarak belirtebilirsiniz. Sağlıkla Kalın.

Heyy ! Blog'a abone olup yazılarımdan ilk sen haberdar olmak ister misin ?

ABONE OL!

Yorumlar

Yorum Ekle

Yorumunuz onaylandıktan sonra yayınlanacaktır.