نصب numpy به همراه نوشتن توابع ساده و آرایه ها

آشنایی با numpy

مقدمه

پایتون یک زبان برنامه نویسی عمومی بسیار محبوب است که توسط Guido van Rosum ساخته شده است، در درجه اول به خاطر سادگی و خواندن کد آن، هرچند که از زبان های دیگر مانند C / C ++ کندتر است. پایتون برنامه نویس را قادر میسازد ایدههای خود را در خطوط کمتری بیان کنند و زبان عالی برای نمونهسازی سریع است. یکی دیگر از ویژگی های مهم Python این است که می توان آن را به راحتی با C / C ++ گسترش داد. این ویژگی به ما کمک می کند تا کد C / C ++ را در محاسبات فشرده بنویسیم و یک پکیج پایتون برای آن ایجاد کنیم تا بتوانیم از این پلاگین ها به عنوان ماژول های پایتون استفاده کنیم. این کار به ما دو مزیت می دهد: اول، کد ما همانند کد اولیه C / C ++ (از آنجا که C ++ C ++ واقعی در پس زمینه کار می کند) سرع خواهد بود و دوم، کد به صورت بسیار ساده ای در Python است. این همان مدلی است که OpenCV-Python کار می کند. این پکیج پایتون یک پل ارتباطی اجرای اصلی C ++ است. پشتیبانی از Numpy باعث می شود کار با Python بسیار ساده تر انجام شود. Numpy یک کتابخانه پایتون بهینه سازی شده برای عملیات عددی است. تمام ساختارهای آرایه OpenCV به آرایه های Numpy تبدیل می شوند. بنابراین تمام عملیات هایی که در Numpy انجام می شود، شما می توانید با OpenCV ترکیب کنید. علاوه بر این، چندین کتابخانه علمی مانند SciPy، Matplotlib که از Numpy پشتیبانی می کنند، می توانند مورد استفاده قرار گیرند. OpenCV-Python یک ابزار عالی برای نمونه سازی سریع مشکلات کامپیوتری است. پیش نیاز علمی خوبی در مورد Numpy برای نوشتن کد بهینه شده در OpenCV-Python لازم است.

آرایه های numpy

NumPy پشتیبانی از آرایه ها و ماتریس های بزرگ و چند بعدی را همراه با مجموعه ای بزرگ از توابع ریاضی سطح بالا برای کار در این آرایه ها می افزاید. آرایه numpy یک شبکه از مقادیر است،که همه یک نوع هستند، و توسط یک مرتبه عدد صحیح غیر انتگرال نشان داده شده است. شکل یک آرایه یک دسته از عدد صحیح است که اندازه آرایه در طول هر بعد را می دهد.

نصب numpy

برای نصب این ماژول کافیست که از دستور pip استفاده کنید. اگر از نحوه استفاده از این متد برای نصب ماژول اطلاعی ندارید کافیست که به آموزش نحوه استفاده از pip مراجعه نمایید.

pip install numpy

و یا برای پایتون 3:

pip3 install numpy

این بخش به معرفی کتابخانه NumPy می پردازد.

# وارد کردن کتابخانه با تخصیص یک نام دیگر
import numpy as np
# آرایه یک بعدی را ایجاد کنید
arr = np.array([5, 10, 15])
# برای چاپ نوع داده
print (arr.dtype)
# چاپ int64
# برای چاپ شکل آرایه.
print (arr.shape)
# Prints "(3,)"      
#دسترسی به ارزش ذخیره شده و چاپ آنها.
print (arr[0], arr[1], arr[2])
# Prints "5 10 15"   
#ارزش آرایه را می توان به طور مستقیم تغییر داد
arr[2] = 35
# برای چاپ کل آرایه.
print (arr)
# Prints "[5, 10, 35]" 
# یک آرایه 2 بعدی ایجاد کنید
twoArr = np.array([[5,10],[15,20],[25,30]])
# برای چاپ شکل آرایه.
print (twoArr.shape)
# Prints "(3,2)"
# دسترسی به ارزش ذخیره شده و چاپ آنها.
print (twoArr[0, 0], twoArr[0, 1], twoArr[1, 0])
# Prints "5 10 15"   
# برای چاپ کل آرایه.
print (twoArr)
# Prints "[[ 5 10], [15 20],  [25 30]]"