محاسبات برداری با نامپای NumPy

نامپای یک کتابخانۀ پایه برای محاسبات برداری و پردازش‌های حجیم در پایتون است و در شاخه‌های مختلف مهندسی و علوم کاربرد دارد. مهمترین کتابخانه‌های پایتون در علوم داده مانند pandas، matplotlib، scikit-learn،  TensorFlow و … همگی از آرایه‌های نامپای استفاده می‌کنند و بر آن اساس ساخته شده است. در واقع، Numpy جزئی ضروری برای به کارگیری علوم داده در پایتون است و بدون آن عملا نمی‌توان داده‌ای را در پایتون تحلیل کرد. عنصر کانونی در نامپای آرایه است. در این درس خواهیم دید که کار با آرایه‌های پایتون چگونه محاسبات عددی را سریع و کارآمد می‌کند و امکان پیاده‌سازی ایده‌های متنوعی در آمار، شبیه‌سازی اعداد تصادفی، جبر خطی و بسیاری از حوزه‌های دیگر را به ما می‌دهد.