📱Введение в NumPy: работа с массивами, математика и векторы (7/10)

Когда вы переходите от базового Python к аналитике данных, один из первых и самых важных инструментов — это библиотека NumPy. Её основа — быстрые многомерные массивы и мощные математические операции над ними, которые делают обработку данных эффективной и удобной.

Основное отличие массивов NumPy от списков Python — это скорость и функциональность. Массивы NumPy хранят данные компактно и позволяют выполнять операции поэлементно без явных циклов, что значительно ускоряет вычисления, особенно при работе с большими объёмами данных.

Рассмотрим несколько базовых операций с массивами:

• Создание массива:  import numpy as np  arr = np.array([1, 2, 3, 4, 5])

• Поэлементные операции:  print(arr + 10)       # [11 12 13 14 15]  print(arr * 2)        # [2 4 6 8 10]

• Векторные вычисления:  arr2 = np.array([5, 4, 3, 2, 1])  print(arr + arr2)     # [6 6 6 6 6]  print(arr * arr2)     # [5 8 9 8 5]

• Математические функции:  print(np.mean(arr))   # Среднее: 3.0  print(np.std(arr))    # Стандартное отклонение

NumPy поддерживает и многомерные массивы — матрицы, которые незаменимы в статистике, машинном обучении и инженерии.

Знание основ NumPy — это фундамент, который позволит вам перейти к более сложным библиотекам и инструментам, таким как pandas, SciPy и scikit-learn, и существенно повысить эффективность своей работы с данными.

Запомните, даже самый спокойный медведь умеет рычать, когда надо. Берегите голову, берегите данные — и пусть в вашем дне будет немного тишины, ясности и добрых переменных.