Phenquestions
NumPy install Ubuntu:
Enne NumPy teegi installimist peate kontrollima süsteemi installitud pythoni versiooni. Selles õpetuses kasutatakse Python3-d NumPy teegi Pythonis installimise viisi näitamiseks. Installitud pythoni versiooni kontrollimiseks käivitage järgmine käsk.
$ python3 -VJärgmine väljund näitab, et pythoni versioon 3.8.6 on süsteemi installitud.
NumPy kogu Python3 installimiseks käivitage järgmine käsk.
$ sudo apt installib python3-numpyKontrollige NumPy versioon terminalist:
NumPy teegi installitud versiooni saate kontrollida mitmel viisil. Järgmine käsk näitab installitud NumPy teegi versiooni, kui eelmine käsk on selle õigesti installinud.
$ python3 -c "import numpy; print (numpy.__versioon__) "Järgmine väljund näitab, et NumPy versioon 1.18.4 on süsteemi installitud.
Importige ja kontrollige N-dumPy versioon
NumPy teegi installitud versiooni saate teada, käivitades ka pythoni skripti. Püütoni skripti käivitamiseks käivitage järgmine käsk.
$ python3Installitud NumPy teegi versiooni kontrollimiseks käivitage pythoni käsuviibalt järgmine pythoni skript.
>>> impordi numpy np-na>>> np.versioon.versioon
Järgmine väljund näitab nii Pythoni kui ka NumPy teegi versiooni.
NumPy lubamine PyCharmi redaktoris:
Pythoni skriptide käivitamiseks on olemas palju pythoni IDE-sid. Mõned populaarsed pythoni redaktorid on PyCharm, Spyder, Eric, Pyzo, Atom, Pydev jne. PyCharm IDE-d kasutatakse selles õpetuses, et näidata, kuidas PyPoni skripti kirjutada ja käivitada, importides NumPy teeki. PyCharmi installimiseks Ubuntu saate käivitada järgmise käsu.
$ sudo snap install pycharm-community --classicTeegi skripti importimiseks peate määrama PyCharmi IDE-s NumPy teegi asukoha. Ava Seaded akna klõpsates nuppu Seaded menüü üksus Fail menüü. Klõpsake Pythoni skripti salvestamiseks varem loodud projekti kaustal. Siin on projekti kausta nimi Python asub kaustas, / home / fahmida / PycharmProjects. Uuri välja numpy all asuv kaust / venv / lib / python3.8 / saidipaketid. Valige kaust ja klõpsake nuppu OK nuppu.
Töö NumPy-ga:
Kirjutage järgmine skript pythoni faili, et teada saada, kuidas NumPy teeki saab Pythoni skriptis kasutada. Massiiv NumPy töötab kiiremini kui Pythoni loend, mida näitab selle skripti väljund. NumPy massiivi loomiseks imporditakse NumPy kogu skripti alguses. Ajaraamatukogu imporditakse Pythoni loendite ja NumPy massiividega sama ülesande tegemiseks vajaliku aja arvutamiseks. Massiivi suurus võetakse kasutaja sisendina. Kasutades luuakse kaks pythoni loendit ulatus() funktsioon põhineb sisendväärtusel. Järgmisena salvestatakse muutujas praegune süsteemi aeg, algusaeg. Mõlema loendi iga väärtuse korrutamisel luuakse veel üks uus loend. Mõlema loendi väärtused on võrdsed, kuna vahemiku väärtused loovad loendid ja mõlemad loendid sisaldavad sama arvu väärtusi. Uus loendi muutuja, p_arvuta, sisaldab loendi ruutväärtuse kõiki elemente. Jällegi, praegune süsteemi aeg salvestatakse muutujasse, lõpuaeg. Erinevus lõpuaeg ja algusaeg näitab pythoni loendi arvutamise aega. Skripti järgmises osas, arange () NumPy teegi funktsiooni kasutatakse kahe ühemõõtmelise vahemikuväärtusega NumPy massiivi loomiseks. Mõlemad massiivid korrutatakse, et saada sama väljund, mille genereeris eelmistes lausetes kaks pythoni loendit. NumPy massiivi abil ülesande arvutamiseks kuluv aeg trükitakse Pythoni loendi ja NumPy massiivi jaoks vajaliku aja võrdlemiseks.
# Importige vajalikud paketidimpordi numpy kui np
impordiaeg
# Võtke kasutaja massiivi suurus
array_size = int (input ("Sisestage massiivi suurus:"))
# Loo kaks Pythoni loendit väärtuse array_size põhjal
list1 = vahemik (massiivi_suurus)
list2 = vahemik (massiivi_suurus)
# Määrake algusaeg
algusaeg = aeg.aeg ()
# Looge ruutjuure arvutades loend
p_arvestus = [(a * b) a, b jaoks zip (loend1, loend2)]
# Printige tulemus
print ("Loendi tulemus: \ n", p_calculate)
# Määrake lõpp-aeg
end_time = aeg.aeg ()
# Trükkige pythoni loendis nõutav ajaväärtus
print ("Pythoni loendi jaoks vajalik aeg:", end_time - start_time)
# Loo kaks NumPy massiivi väärtuse array_size põhjal
np_array1 = np.arange (massiivi_suurus)
np_array2 = np.arange (massiivi_suurus)
# Määrake algusaeg
algusaeg = aeg.aeg ()
# Loo massiiv ruutjuure arvutamise teel
np_kalkuleeri = np_array1 * np_array2
# Printige tulemus
print ("Massiivi tulemus: \ n", np_calculate)
# Määrake lõpp-aeg
end_time = aeg.aeg ()
# Trükkige NumPy massiivi jaoks vajalik ajaväärtus
print ("Numpy massiivi jaoks vajalik aeg:", end_time - start_time)
Väljund:
Pärast ülaltoodud skripti käivitamist ilmub järgmine väljund. Väljund näitab, et pythoni loend nõuab sama ülesande tegemiseks rohkem aega kui massiiv NumPy.
Järeldus:
Python3 jaoks Python NumPy teegi installimist ja kasutamist selgitatakse selles õpetuses, et aidata lugejal seda raamatukogu oma Pythoni skriptis kasutada erinevat tüüpi matemaatiliste ja teaduslike probleemide lahendamiseks.
