NumPy Tutorial

NumPy هو مكتبة قوية في بايثون تُستخدم لمعالجة الأعداد والعمليات الحسابية المعقدة بكفاءة عالية. تُعد NumPy أساسًا للعديد من المكتبات الأخرى مثل Pandas و Matplotlib، مما يجعلها أداة لا غنى عنها في معالجة البيانات وتحليلها. في هذا المقال، سنتناول شرحًا مفصلًا لمكتبة NumPy مع تقديم أمثلة متعددة توضح كيفية استخدامها في بايثون.

كيفية تثبيت NumPy

للبدء في استخدام مكتبة NumPy، يجب عليك أولاً تثبيتها. يمكنك القيام بذلك باستخدام مدير الحزم pip. افتح موجه الأوامر واكتب الأمر التالي:

pip install numpy

بعد إتمام التثبيت، يمكنك استيراد المكتبة في برنامجك باختصار np كما هو شائع الاستخدام:

import numpy as np

إنشاء المصفوفات في NumPy

تُعتبر المصفوفات (Arrays) الأساس في مكتبة NumPy. يوفر NumPy العديد من الطرق لإنشاء المصفوفات ومعالجتها. يُمكنك إنشاء مصفوفة بسيطة من قائمة باستخدام دالة array:

import numpy as np

# إنشاء مصفوفة أحادية البعد
array_1d = np.array([1, 2, 3, 4, 5])
print("المصفوفة الأحادية البعد:", array_1d)

# إنشاء مصفوفة ثنائية الأبعاد
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print("المصفوفة الثنائية الأبعاد:n", array_2d)

يمكنك أيضًا استخدام دوال أخرى لإنشاء مصفوفات مثل zeros وones لإنشاء مصفوفات مكونة من الأصفار أو الآحاد، أو دالة arange لإنشاء سلسلة من الأعداد ضمن نطاق محدد.

# إنشاء مصفوفة من الأصفار
zeros_array = np.zeros((3, 3))
print("مصفوفة الأصفار:n", zeros_array)

# إنشاء مصفوفة من الآحاد
ones_array = np.ones((2, 2))
print("مصفوفة الآحاد:n", ones_array)

# إنشاء مصفوفة باستخدام arange
range_array = np.arange(0, 10, 2)
print("مصفوفة باستخدام arange:", range_array)

عمليات حسابية على المصفوفات

تتيح لك مكتبة NumPy إجراء عمليات حسابية معقدة على المصفوفات بسهولة وكفاءة. يمكنك إجراء العمليات الحسابية الأساسية مثل الجمع والطرح والضرب والقسمة على المصفوفات بنفس الطريقة التي تستخدمها مع الأعداد المفردة. إليك بعض الأمثلة:

# تعريف مصفوفتين
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# جمع المصفوفتين
sum_array = a + b
print("جمع المصفوفتين:", sum_array)

# طرح المصفوفتين
difference_array = a - b
print("طرح المصفوفتين:", difference_array)

# ضرب المصفوفتين
product_array = a * b
print("ضرب المصفوفتين:", product_array)

# قسمة المصفوفتين
division_array = a / b
print("قسمة المصفوفتين:", division_array)

تُعد هذه العمليات جزءًا بسيطًا من القدرات التي توفرها مكتبة NumPy. يمكنك أيضًا استخدام دوال إحصائية مثل mean وmedian وstd لإجراء تحليل إحصائي على البيانات. تساهم هذه الميزات في جعل NumPy أداة قوية وفعّالة لتحليل البيانات وتحسين أداء البرامج.