Site Loader

Merhaba Arkadaşlar , NumPy Temel İşlemler yazisi ile birlikteyiz  Veri Bilimi için önemli olan kütüphanelerden birini,  NumPy kütüphanesini öğreneceğiz. Numpy temel giris yapmis olacaksiniz. Temel hedefimiz sizlere sade ve sizi sıkmayacak şekilde veri bilimi  anlatmak, bunu eğlenceli hale getirmek. Keyifli okumalar 🙂

NumPy Nedir?

NumPy Python içindeki verilerle çalışmak için temel ve güçlü bir kütüphanedir. Bu kütüphaneyi istatistiksel işlemlerde, matematiksel işlemlerde ve en önemlisi çok boyutlu diziler üzerinde işlemler yaparken kullanacaksınız. NumPy bilimsel araştırmalar için sıkça kullanılan bir kütüphanedir. Eğer veri analizi veya makine öğrenimi projeleri üzerinde çalışacaksanız, en başta öğrenmeniz gereken kütüphane kesinlikle NumPy’dir. Sebebi ise veri analizi için kullandığımız diğer kütüphanelerde; pandas, scipy vb. kütüphaneler numpy üzerine inşa edilmiştir ve makine öğrenmesi uygulamaları oluşturmak için kullanılan scikit-learning kütüpanside sıkça numpy kullanır.

Neden NumPy?

Numpy diziler ile çalıştığı için;

✅ Verilere erişim hızlıdır

✅ Bellekte az yer kaplar

✅ Matematiksel işlemler çok basittir.

Numpy Kurulum

Bu kütüphaneyi kurmak ve kullanmak için Anaconda buradan kuralım. Büyük bir ihtimalle numpy kütüphanesi Anaconda ile hazır gelecektir eğer numpy kütüphanesi hazır gelmemiş ise terminal ekranına şu komut ile kuralım;

conda install numpy

 

Eğer anaconda kurmayacaksanız pycharm vb IDE kullanacaksanız terminal ekranına şu komutu yazmalısınız;

pip install numpy

Birseyi ogrenmenin en iyi yolu uygulama ve alistirma yapmaktan gecer bende bu yazida orneklerle anlatacagim.

NumPy Temel Islemler

✅ Uygulama 1: Numpy projemize ekleyelim;

import numpy as np

Her seferinde numpy yazmak yerinde daha kisa olan np takma ismiyle kullaniyoruz.

 

✅ Uygulama 2: Numpy  array ile tek boyutlu array oluşturalım;

array = np.array([1,2,3,4,5,6,7,8,9])
array
array([1, 2, 3, 4, 5, 6, 7, 8, 9])

 

✅ Uygulama 3: Numpy arange() fonksiyonu ile array olusturalim;

array1 = np.arange(10)
array
array([1, 2, 3, 4, 5, 6, 7, 8, 9])

 

✅ Uygulama 4: Numpy arange() ile 20’ye kadar çift sayılar array oluşturalım;

array = np.arange(0,20,2)
array
array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18])

 

✅ Uygulama 5: Numpy array içindeki  çift sayıları sıfır yapalım;

array[array %2==0] = 0
array
array([0, 1, 0, 3, 0, 5, 0, 7, 0, 9])

 

✅ Uygulama 6: Numpy array uzunluğunu bulalım;

array.size
10

 

✅ Uygulama 7: Numpy array seklini yazdıralım;

array.shape

(10,)

 

✅ Uygulama 8: Numpy array kaç boyutlu olduğuna yani boyut sayısına bakalım;

array.ndim

1

 

✅ Uygulama 9: Numpy array eleman type bulalim;

array.dtype

dtype('int64')

 

✅ Uygulama 10: Numpy array bellekte bayt olarak boyutu(int64);

array.itemsize

8

 

✅ Uygulama 11: Numpy dizinin tüm elemanlarının toplamı;

array.sum()

45

 

✅ Uygulama 12: Numpy array deki en büyük eleman;

array.max()

9

 

✅ Uygulama 13: Numpy array en küçük eleman;

array.min() 

0

 

✅ Uygulama 14: Numpy array deki elemanların standart sapmasi;

array([1, 3, 5, 9])
array.std()
2.958039891549808

 

✅ Uygulama 15: Numpy array deki elemanların ortalaması(aritmetik ortalama);

array.mean()

4.5

 

✅ Uygulama 16: Numpy array bellekte ki adresi;

array1.data

<memory at 0x7fa276c8e390>

 

✅ Uygulama 17: Numpy bir aralıkta eşit aralıklı sayılar döndürme:

np.linspace(5, 35, num=5)
array([ 5. , 12.5, 20. , 27.5, 35. ])

 

✅ Uygulama 18: Numpy iki farkli array ortak elemanlarini bulma:

array1 = np.array([1,3,5,9])
array2 = np.array([3,9,12,15])

np.intersect1d(array1,array2)
array([3, 9])

 

✅ Uygulama 19: Numpy diger array den farkli olan  elemanlari bulma:

array1 = np.array([1,3,5,9]) 
array2 = np.array([3,9,12,15]) 

np.setdiff1d(array1,array2) 
array([1, 5])

 

✅ Uygulama 20: Numpy array icinden uniq elamanlari bulma(benzersiz):

array([1, 3, 3, 3, 5, 5, 9, 9, 9])
np.unique(array)

array([1, 3, 5, 9])

 

✅ Uygulama 21: Numpy 0-1 arasinda  rastgele 5 elamanli array olusturma:

np.random.rand(5)
array([0.64189338, 0.97378761, 0.38291609, 0.33295174, 0.2541312 ])

 

✅ Uygulama 22: Numpy 1-5 arasinda rastgele 10 tane tamsayili array olusturma:

np.random.randint(1,5,10)
array([4, 1, 4, 3, 2, 4, 1, 3, 2, 3])

 

✅ Uygulama 23: Numpy iki array toplama:

array1 = [0, 1, 2, 3]
array2 = [3, 4, 5, 6]

np.add(array1,array2)
array([3, 5, 7, 9])

 

✅ Uygulama 24: Numpy bir array”den baska array cikarma:

array1 = [0, 1, 2, 3]
array2 = [3, 4, 7, 9]

np.subtract(array2,array1)
array([3, 3, 5, 6])

 

✅ Uygulama 25: Numpy iki array carpma:

array1 = [0, 1, 2, 3] 
array2 = [3, 4, 7, 9] 

np.multiply(array1, array2) 
array([ 0, 4, 14, 27])

 

✅ Uygulama 26: Numpy iki aray birine bolme:

array1 = [1, 1, 2, 3]
array2 = [3, 4, 7, 9]

np.divide(array2, array1)
array([3. , 4. , 3.5, 3. ])

 

✅ Uygulama 27: Numpy iki array bolumunden kalan:

array1 = [1, 2, 4, 3]
array2 = [3, 4, 7, 9]

np.remainder(array2, array1)
array([0, 0, 3, 0])

 

pythonearth.com  olarak ilk veri bilimi giriş yazımızı paylaşmaktan çok mutluyuz. Bir sonraki NumPy yazısında görüşmek dileğiyle. Eksik yada yanlış gördüğünüz yerler için lütfen iletişime geçin.

Post Author: Cahit ISLEYEN

Data Scientist at @embedica.ai

One Reply to “NumPy Temel İşlemler”

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir