Merhaba arkadaşlar, özellikle veri analizi kısmında çokca adı geçen Numpy Kütüphanesini bu yazımda anlatmaya çalışacağım.
Numpy Kütüphanesi Nedir?
Numpy girişte de belirttiğim gibi veri analizinde sıkça kullanılan, diziler, yüksek düzeyli matematiksel ve sayısal işlevler ve araçlardan oluşan bir kütüphanedir. Numpy dizisi, yüksek performanslıdır ve Python’ın listelerinden(dizilerinden) daha verimli ve kullanışlıdır.
Numpy kütüphanesini kullanabilmek için önceden yüklenmesi ve python kodumuz içerisinden çağırılması gerekmektedir. Yüklemek için python prompta , pip install numpy anahtar kelimelerini girmelisiniz.
Bunları girip yükleme yaptıktan sonra, Python kodumuz içerisinde çağırmak için, import numpy diyebiliriz. Eğer kütüphane ekleme kısmında detaylı bilgi istiyorsanız daha önceki yazıma göz atabilirsiniz.
Numpy Dizisi
Öncelikle her ne kadar önceki paragraflarda ve yazımlarımda python diziler diye anlatmış olsam da python yerleşik bir dizi yapısına sahip değildir. Bizim daha önce ele aldığımız dizi, Python listelerdi.
Numpy dizilere bakacak olursak da sabit bir boyuttadırlar. 0’dan başlayarak dizine eklenir ve aynı türden öğeler içerir. Bunlar ndarray nesneleri diye geçer ve np.array() işlevi ile kullanılarak oluşturulur.
Örneğin:
import numpy as np b = np.array([9,8,7,6])
Yukarıdaki kod, dört sayıdan oluşan ve aynı türden öğeler içermektedir. Numpy dizilerinde boyut, sıra(eksen,rank,düzey) olarak geçmektedir. Bu sebeple yukarıda tanımladığımız b, 1 düzey dizisidir.
Bir diziyi ve öğeleri tanımlamak için birkaç numpy işlevi bulunmaktadır. Bunları aşağıya kod olarak ekliyorum.
import numpy as np # Rankı(düzeyi) 2 olan dizi oluşturma dizi = np.array([[1,2,3,4], [5,6,7,8]]) print(dizi) # [[1 2 3 4] # [5 6 7 8]] print(dizi[1, 2]) # bir elemente ulaşma # 7 print(dizi.ndim) # düzey bulma # 2 print(dizi.shape) # n satır, m sütun # (2, 4) print(dizi.size) # dizideki eleman sayısı # 8 print(type(dizi)) # dizi tipi # <type 'numpy.ndarray'>
Yukarıya eklediğim bilgileri bir kere de sizler tekrar edip deneyin.
Not = Dizileri oluştururken köşeli parantez kullanımına dikkat edin. Köşeli parantezler ayrıca bir öğeye erişirken de kullanılır.
[the_ad id=”1292″]
Numpy kütüphanesi temel anlatımı bu kadardı. Bundan sonra da önce numpy ile burada göstermediğim yerler var onlar için ayrıca detaylı bir yazı hazırlayıp akabinde veri analizinin olmazsa olmazı Pandas Kütüphanesi ile devam edeceğiz. Umarım anlaşılır olmuştur. Pandas kütüphanesi sonrasında basit veri analizleri yapıp numpy örneklerini de sık sık göreceğiz.
