برامج الأدوات المساعدة

NumPy الحزمة الأساسية للحوسبة العلمية باستخدام Python مجانا

تحميل NumPy الحزمة الأساسية للحوسبة العلمية باستخدام Python

NumPy هو مشروع مفتوح المصدر يهدف إلى تمكين الحوسبة الرقمية باستخدام Python. تم إنشاؤه في عام 2005، بناءً على العمل المبكر لمكتبتي Numeric و Numarray. سيكون NumPy دائمًا برنامجًا مفتوح المصدر بنسبة 100٪، مجاني للجميع للاستخدام ويتم إصداره بموجب الشروط الليبرالية لترخيص BSD المعدل. تم تطوير NumPy في العلن على GitHub، بواسطة إجماع NumPy ومجتمع Python العلمي الأوسع.

يتمثل دور المجلس التوجيهي لـ NumPy ضمان، العمل مع مجتمع NumPy الأوسع وخدمته، الرفاهية طويلة الأجل للمشروع، من الناحية الفنية وكمجتمع. يصمن المجلس التوجيهي لـ NumPy حاليًا العديد من الأعضاء حول العالم.

تحميل NumPy الحزمة الأساسية للحوسبة العلمية باستخدام Python

تحميل NumPy الحزمة الأساسية للحوسبة العلمية باستخدام Python
تحميل NumPy الحزمة الأساسية للحوسبة العلمية باستخدام Python

الميزات والنقاط البارزة

  • كائن صفيف قوي الأبعاد N
  • وظائف (إذاعية) متطورة
  • أدوات لدمج كود C / C ++ و Fortran
  • إمكانات الجبر الخطي وتحويل فورييه والأرقام العشوائية المفيدة
  • إلى جانب استخداماته العلمية الواضحة، يمكن استخدامه أيضًا كحاوية فعالة متعددة الأبعاد للبيانات العامة.
  • يمكن تعريف أنواع البيانات التعسفية.
  • يسمح هذا لـ NumPy بالتكامل بسلاسة وسرعة مع مجموعة متنوعة من قواعد البيانات.
  • يمكن العثور على أرشيف كامل من الوثائق لجميع إصدارات Num Py (Numerical Python) (إصدارات ثانوية؛
  • لا تحتوي إصدارات bugfix على تغييرات كبيرة في التوثيق) منذ عام 2009 على https://docs.scipy.org.

 

ما هو NumPy؟

NumPy هي الحزمة الأساسية للحوسبة العلمية في بايثون. إنها مكتبة Python التي توفر كائن مصفوفة متعددة الأبعاد، وكائنات مشتقة متنوعة (مثل المصفوفات والمصفوفات المقنعة)، ومجموعة متنوعة من الإجراءات للعمليات السريعة على المصفوفات، بما في ذلك التلاعب الرياضي والمنطقي بالشكل والفرز والاختيار والإدخال / الإخراج وتحويلات فورييه المنفصلة والجبر الخطي الأساسي والعمليات الإحصائية الأساسية والمحاكاة العشوائية وغير ذلك الكثير.

في جوهر حزمة NumPy، يوجد كائن ndarray. يقوم هذا بتغليف مصفوفات ذات أبعاد n لأنواع البيانات المتجانسة، مع إجراء العديد من العمليات في التعليمات البرمجية المجمعة للأداء. هناك العديد من الاختلافات المهمة بين مصفوفات NumPy وتسلسلات Python القياسية:

✔️ تمتلك مصفوفات NumPy حجمًا ثابتًا عند الإنشاء، على عكس قوائم Python (التي يمكن أن تنمو ديناميكيًا). سيؤدي تغيير حجم ndarray إلى إنشاء مصفوفة جديدة وحذف الأصل.

✔️ يجب أن تكون جميع العناصر في مصفوفة NumPy من نفس نوع البيانات، وبذلك ستكون بالحجم نفسه في الذاكرة. الاستثناء: يمكن للمرء أن يكون لديه مصفوفات من كائنات (Python، بما في ذلك NumPy)، مما يسمح بمصفوفات من عناصر مختلفة الحجم.

✔️ تسهل مصفوفات NumPy العمليات الحسابية المتقدمة وأنواع أخرى من العمليات على أعداد كبيرة من البيانات. عادةً ما يتم تنفيذ مثل هذه العمليات بكفاءة أكبر وبكود أقل مما هو ممكن باستخدام تسلسلات Python المضمنة.

✔️ عدد كبير من الحزم العلمية والرياضية المبنية على بايثون تستخدم مصفوفات NumPy؛ مع أنّ أنها تدعم عادةً إدخال تسلسل Python، إلا أنها تحول هذه المدخلات إلى مصفوفات NumPy قبل المعالجة، وغالبًا ما تُخرج مصفوفات NumPy. بعبارة أخرى، من أجل الاستخدام الفعال للكثير (وربما حتى معظم) البرامج العلمية / الرياضية المعتمدة على لغة بايثون، فإن مجرد معرفة كيفية استخدام أنواع التسلسلات المضمنة في بايثون غير كافٍ – يحتاج المرء أيضًا إلى معرفة كيفية استخدام مصفوفات NumPy.

✔️ النقاط المتعلقة بحجم التسلسل والسرعة لها أهمية خاصة في الحوسبة العلمية. كمثال بسيط، ضع في اعتبارك حالة ضرب كل عنصر في تسلسل أحادي الأبعاد مع العنصر المقابل في تسلسل آخر بنفس الطول. إذا تم تخزين البيانات في قائمتين من Python، a و b، فيمكننا تكرار كل عنصر.

 

لماذا NumPy Fast؟

يصف Vectorization عدم وجود أي حلقات أو فهرسة صريحة، إلخ، في الكود – هذه الأشياء تحدث، بالطبع، فقط ‘خلف الكواليس’ في كود C المحسن والمجمع مسبقًا. الكود المتجه له العديد من المزايا، من بينها:

  • الكود المتجه أكثر إيجازًا وأسهل في القراءة
  • عدد سطور أقل من التعليمات البرمجية يعني عمومًا أخطاء أقل
  • يشبه الرمز إلى حد كبير تدوينًا رياضيًا قياسيًا (مما يسهل، عادةً، ترميز التركيبات الرياضية بشكل صحيح)
  • ينتج عن التوجيه المزيد من التعليمات البرمجية ‘Pythonic’. دون التوجيه، سيكون الكود مليئًا بحلقات غير فعالة ويصعب قراءتها.

البث هو المصطلح المستخدم لوصف سلوك العمليات الضمني لكل عنصر؛ عمومًا، في NumPy، تسلك جميع العمليات، ليس فقط العمليات الحسابية، ولكن المنطقية، والبتية، والوظيفية، وما إلى ذلك، بطريقة العناصر الضمنية هذه، أي أنها تبث.

 

من يستخدم NumPy أيضًا؟

يدعم NumPy تمامًا النهج الموجه للكائنات، بدءًا من ndarray. على سبيل المثال، ndarray هي فئة تمتلك العديد من الأساليب والسمات. تنعكس العديد من أساليبها بواسطة وظائف في مساحة اسم NumPy الخارجية، مما يسمح للمبرمج بالتشفير في أي نموذج يفضله. سمحت هذه المرونة لهجة مصفوفة NumPy وفئة NumPy ndarray بأن تصبح لغة فعلية لتبادل البيانات متعددة الأبعاد المستخدمة في Python.

📌 ملاحظة: يتطلب Python.

✅ متوفر تحميل NumPy لنظام التشغيل Windows, macOS, Linux

 

تفاصيل تقنية

  • اسم البرنامج: NumPy
  • التصنيف: برامج الأدوات المساعدة
  • الترخيص: مفتوح المصدر
  • الإصدار: الأحدث
  • حجم الملف: 9.8 MB
  • النواة: 32, 64 بت
  • أنظمة التشغيل: جميع أنظمة ويندوز، ماك، لينكس وغيرها
  • اللغات: متعدد اللغات
  • المطور: Jarrod Millman
  • الموقع الرسمي: numpy.org

تحميل NumPy الحزمة الأساسية للحوسبة العلمية باستخدام Python

برامج ذات صلة

downloadsoft.net

مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى
Don`t copy text!

أنت تستخدم إضافة Adblock

برجاء دعمنا عن طريق تعطيل إضافة Adblock