numpy

• ornegin elinizde "entrybaslik.txt" adinda gun icinde her saat kac entry girildigini, kac baslik acildigini soyleyen bir dosya var, kolonlari sirayla saat(0-24), entry sayisi ve baslik sayisi olsun. yaklasik soyle birsey:
  
  0 4232 165
  1 3245 133
  2 2764 54
  3 2141 23
  ...
  
  bu dosyayi tek bir komutla okutup, son derece kullanimi kolay bir 2 boyutlu numpy array yaratabilirsiniz:
  
  sozlukdata = numpy.loadtxt("entrybaslik.txt", dtype=[('saat',numpy.int),('entry',numpy.int),('baslik',numpy.int)])
  
  baslik arrayine su sekilde:
  
  sozlukdata['baslik']
  
  baslik array'inin üçüncü elemanina ise su sekilde
  
  sozlukdata['baslik'][2]
  
  ulasabilirsiniz.
  
  hatta hemen matplotlibde saatte acilan baslik sayisini cizdirebilirsiniz:
  
  import matplotlib.pylot as pl
  pl.plot(sozlukdata['saat'],sozlukdata['baslik'])
  pl.show()
• data science ile uğraşanların hatmetmesi gereken pakettir.
• python programlama dilinde çok boyutlu dizilerle uğraşmayı gerektiren hesaplamaları yapmak için geliştirilmiş paket veyahut kitaplık. sadece vektör ve 2 boyutlu matrisleri değil, çok boyutlu matrisleri de destekler. burada destekten kasıt, bu veri yapılarını kolayca kullanmayı sağlayan indeksleme, nesne alanları^* ve yordamları^*barındırmasıdır. indekslemede matlab'dan esinlenilmiştir. bu da, daha önce matlab tecrübesi olan geliştiriciler için uyum sağlamayı kolaylaştırır. bunun yanısıra, pek çok geliştiricinin matrisler üzerinde çalıştırmak isteyeceği envahi çeşit operasyonu barındırır. örneğin, bir matristeki en büyük sayıyı bulmak isterterseniz halihazırda numpy.amax() yordamı mevcuttur. şayet bütün maksimumunu değil ancak her satırdaki veya sütundaki maksimumu bulmak isterseniz, bu durumda eksen parametresini belirtmeniz yeterlidir. eğer sayının kendisini değil, indeksini, yani matris içindeki konumunu bulmak isterseniz bu durumda argmax yordamını önerir. görüldüğü üzere, genel kullanımdaki pek çok operasyonu akılda kalıcı yordam adları ile destekler. tüm bu özelliklere ek olarak, pek çok yordamı hesaplama açısından etkin^* olacak şekilde optimize edilmiştir. meali, eğer numpy'ın desteklediği bir operasyonu, geliştirici kendisi gerçeklemek isterse, çok büyük olasılıkla daha yavaş çalışan veya daha fazla bellek uzayı gerektiren bir kod yazmış olacaktır.
  
  kitaplığın resmi sitesi
  dokümantasyon adresi
• veri bilimi işleriyle pek uğraşmadığımdan ve bu işlerden pek çakmadığımdan dolayı çok fazla kullanmadığım ancak veri bilimi ile uğraşanların bununla neler kotardıklarını gördüğümde aşırı saygı duymaya başladığım python modülüdür.kendi deneyimlerim az ama güzeldi.bu modülle sağlam işler yapan adamları tanıyorum.
  
  muhtemelen anlatılmıştır çok boyutlu diziler ile yapılacak işlemleri çok kolaylaştırıyor.onun dışında matplotlib ile birlikte kullanıldığında matlab'ın ruhuna fatiha okutabildiğine dair çok hikaye duydum.kendi az buçuk deneyimlerimden edindiğim sonuç da bu yönde.bir arkadaşıma matlab'da yapması için verilen basit integraller ve veri görselleştirme içeren ödevi matplotlib ve numpy kullanarak yeterince güzel halledebildim.
  
  bir python modülü olduğundan dolayı en büyük artısı geniş dökümantasyon desteği ve özgür yazılım oluşudur.matplotlib ve birkaç diğer modül birlikte kullanımı, matlab'a ve hatta daha pek çok lisanslı araçlara olan bağımlığı bitirmektedir.
  
  şimdi onlar düşünsün.
• geliştirici ekibinin 2020 yılından itibaren python 2 desteğini bırakmak istediği modül. yollarına python 3 ile devam edeceklermiş.
  
  meraklısı için kaynak: https://github.com/…dropping-python2.7-proposal.rst
• ingilizce nude (çıplak) kelimesinden gelen kavram
• linear cebir modülüdür.
  veri madenciliği,makine öğrenmesi,veri analizi,tek boyutlu ve çok boyutlu array(dizi) yapılarında kullanılır.
• matlabdan daha yeteneklidir bence. pandas ile kullaninca uzaya bile gidebilirim hissiyati yaratir. o yuzden bir o kadar da zor oldugunu dusundugum paket
• kurulumunda arka paketlere dikkat edilmesi gereken python paketi.
  
  kullandığı hesaplama yöntemlerine göre ciddi peformans farkı yaratmaktadır. entry tarihinde yaptığım araştırmaya göre intel mkl ile kurulumu yapılan numpy en iyi sonucu vermektedir.
  
  kaynak 1
  kaynak 2
• data science (namıdiğer veri bilimi) için özellikle yararlı olan; liste odaklı python alt paketçiği. numerical python'ın kısaltmasıdır.