Utilitaires Système

NumPy Open Source Télécharger pour Windows, Mac et Linux

Télécharger NumPy Open Source pour Windows, Mac et Linux

NumPy est un projet open source qui vise à permettre l’informatique numérique en utilisant Python. Elle a été créée en 2005 sur la base des travaux initiaux des bibliothèques Numeric et Numarray.
NumPy est toujours libre d’utilisation et fourni dans les conditions généreuses de la licence BSD modifiée, avec 100 pour cent open source. NumPy a été développé publiquement par le consensus NumPy sur GitHub et la communauté scientifique plus large de Python.

Le rôle du comité directeur NumPy est d’assurer, de travailler avec et de servir la communauté NumPy au sens large, le bien-être à long terme du projet, à la fois techniquement et en tant que communauté. Le comité directeur de NumPy compte actuellement de nombreux membres à travers le monde.

Télécharger NumPy Open Source

Télécharger NumPy Open Source pour Windows, Mac et Linux
Télécharger NumPy Open Source pour Windows, Mac et Linux

Caractéristiques et points forts

  • Objet tableau fort à N dimensions
  • Fonctions avancées (radio)
  • Outils d’intégration de code C/C++ et Fortran
  • La capacité de l’algèbre linéaire, de Fourier et de la transformation de nombres aléatoires utiles
  • Outre ses utilisations scientifiques évidentes, il peut également être utilisé comme un puissant conteneur multidimensionnel pour les données publiques.
  • Des types de données arbitraires peuvent être définis.
  • QuillBot va réécrire le fichier. Commencez par écrire ou coller et cliquez sur le bouton paraphraser.
  • Une archive complète de la documentation peut être trouvée pour toutes les versions de NumPy (Numerical Python) (versions mineures ;
  • Les versions de correctifs ne contiennent pas de modifications significatives de la documentation) depuis 2009 sur https://docs.scipy.org.

 

Qu’est-ce que NumPy ?

NumPy est le module de calcul scientifique de base de Python. C’est une bibliothèque de Python qui offre un objet tableau multidimensionnel, divers objets dérivés (par exemple des matrices et des matrices masquées), et un large éventail de méthodes pour des opérations matricielles rapides, parmi lesquelles les mathématiques, la sélection, les entrées/sorties, les transformées de Fourier discrètes linéaires l’algèbre et les opérations statistiques de base. Aléatoire et plus de simulation.

Au cœur du package NumPy se trouve un objet ndarray. Cela encapsule des tableaux à n dimensions de types de données homogènes, avec de nombreuses opérations effectuées dans le code compilé pour les performances. Il existe de nombreuses distinctions majeures entre les tableaux NumPy et les séquences Python conventionnelles :

✔️ Les tableaux NumPy ont une taille fixe lors de leur création, contrairement aux listes Python (qui peuvent croître de manière dynamique). Le redimensionnement de ndarray créera un nouveau tableau et supprimera l’original.

✔️ Tous les membres du tableau NumPy doivent être du même type de données pour avoir la même taille de mémoire. Exception : vous pouvez avoir des tableaux d’objets (y compris Python) qui activent des tableaux d’objets de différentes tailles.

✔️ Les tableaux NumPy fournissent une arithmétique sophistiquée et d’autres types de traitement de données. De telles procédures sont souvent exécutées plus efficacement et avec moins de code qu’avec les séquences intégrées de Python.

✔️ De nombreux packages scientifiques et mathématiques basés sur Python utilisent des tableaux NumPy ; Bien qu’il prenne généralement en charge l’entrée de séquence Python, il convertit ces entrées en tableaux NumPy avant le traitement et génère souvent des tableaux NumPy.

✔️ En d’autres termes, pour une utilisation réussie de nombreux (ou même de la plupart) des programmes scientifiques/mathématiques basés sur Python, il ne suffit pas de comprendre comment utiliser les types de séquences intégrés de Python – il faut également savoir utiliser les tableaux NumPy.

✔️ Le calcul scientifique a une importance particulière en ce qui concerne la taille et la vitesse des séquences. Prenons le scénario, par exemple, où chaque élément est multiplié par l’élément approprié dans une séquence unidimensionnelle dans une autre séquence de la même longueur. Nous pouvons itérer les éléments si les données sont conservées dans deux listes Python, a et b.

 

Pourquoi NumPy rapide ?

La vectorisation décrit l’absence de boucle explicite, d’indexation, etc., dans le code – ces choses n’arrivent, bien sûr, que « en coulisses » dans le code C précompilé et optimisé. Le code vectoriel présente de nombreux avantages, notamment :

  • Le code vectoriel est plus concis et plus facile à lire
  • Moins de lignes de code signifie généralement moins d’erreurs
  • Le symbole est très similaire à une notation mathématique standard (ce qui facilite, généralement, la
  • Notifier correctement les formules mathématiques)

La directive donne plus de code ‘Pythonic’. Sans la directive, le code serait plein de boucles inefficaces et difficile à lire.

La diffusion est le terme utilisé pour décrire le comportement de processus sous-jacent de chaque élément ; Généralement, dans NumPy, toutes les opérations, non seulement arithmétiques, mais logiques, au niveau du bit, fonctionnelles, etc., se comportent de cette manière implicite, c’est-à-dire qu’elles sont diffusées.

 

Qui d’autre utilise NumPy ?

NumPy prend entièrement en charge l’approche orientée objet, à commencer par ndarray. Par exemple, ndarray est une classe qui possède de nombreuses méthodes et attributs. Beaucoup de ses méthodes sont reflétées par des fonctions dans l’espace de noms externe NumPy, permettant au programmeur de coder sous la forme qu’il préfère.

Cette flexibilité a permis au dialecte du tableau NumPy et à la classe NumPy ndarray de devenir un langage de facto pour l’échange de données multidimensionnel utilisé en Python.

📌 Remarque : Nécessite Python.

✅ Télécharger NumPy pour Windows, Mac et Linux.

 

Détails Techniques

Nom du programme : NumPy
Catégorie : Utilitaires Système
Licence : Open Source
Version : La dernière
Taille du fichier : 9,8 Mo
Noyau : 32/64-bits
Systèmes d’exploitation : tous Windows, Mac, Linux, etc
Langues : Multilingue
Développé par : Jarrod Millman
Site officiel : numpy.org

Télécharger NumPy Open Source pour Windows, Mac et Linux

Logiciels Associés

download soft

Articles similaires

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Bouton retour en haut de la page
Don`t copy text!

Adblock détecté

S'il vous plaît envisager de nous soutenir en désactivant votre bloqueur de publicité