آموزش NumPy از صفر تا پیشرفته: راهنمای کاربردی محاسبات عددی در پایتون

فهرست مطالب

• ۱. کتابخانه NumPy چیست و چرا به آن نیاز داریم؟
• ۲. نصب و راه‌اندازی سریع
• ۳. ساختار ndarray و تفاوت بنیادین آن با لیست پایتون
• ۴. روش‌های حرفه‌ای ساخت آرایه
• ۵. ایندکس‌گذاری، اسلایسینگ و چالش View در برابر Copy
• ۶. بردارسازی (Vectorization) و قوانین Broadcasting
• ۷. توابع مهم ریاضی، آماری و تغییر شکل
• ۸. بهینه‌سازی مصرف حافظه و عملیات درجا (In-place)
• ۹. پروژه عملی: پردازش و تحلیل داده‌های عددی
• ۱۰. عیب‌یابی سریع خطاهای رایج
• ۱۱. پرسش‌های متداول

خلاصه سریع مقاله

کتابخانه NumPy هسته اصلی محاسبات علمی و داده‌کاوی در پایتون است. با جایگزینی آرایه‌های یکنواخت (ndarray) به جای لیست‌های استاندارد، سرعت اجرای محاسبات ریاضی تا ۵۰ برابر افزایش می‌یابد. در این مقاله مفاهیم کلیدی مانند بردارسازی، Broadcasting، مدیریت حافظه و متدهای کاربردی پردازش داده را به صورت کاملاً عملی و با مثال‌های واقعی یاد می‌گیرید.

arr = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.int32)

print(“تعداد ابعاد:”, arr.ndim) # 2
print(“شکل آرایه:”, arr.shape) # (2, 3)
print(“نوع داده:”, arr.dtype) # int32
print(“گام‌های حافظه:”, arr.strides) # (12, 4) -> هر انتشارات 4 بایت است

# ساخت آرایه با عناصر ۱
ones_arr = np.ones((2, 3), dtype=np.float32)

# ساخت آرایه با گام مشخص (مشابه range پایتون)
range_arr = np.arange(0, 10, 2) # [0, 2, 4, 6, 8]

# تولید اعداد با فواصل مساوی در یک بازه
linear_arr = np.linspace(0, 1, 5) # [0. , 0.25, 0.5 , 0.75, 1. ]

# ایجاد ماتریس همانی (Identity Matrix)
identity_matrix = np.eye(3)

# ساخت آرایه تصادفی با توزیع یکنواخت
random_arr = np.random.rand(2, 2)

original = np.array([10, 20, 30, 40, 50])
slice_view = original[1:4] # این یک View است

slice_view[0] = 999 # تغییر روی View

print(original) # خروجی: [10, 999, 30, 40, 50] – آرایه اصلی تغییر کرد!

# برای جلوگیری از این رفتار باید کپی صریح بگیرید:
safe_copy = original[1:4].copy()
safe_copy[0] = 555 # آرایه اصلی تغییری نخواهد کرد

# فیلتر کردن مقادیر بزرگتر از ۵۰
mask = data > 50
filtered_data = data[mask] # [67, 89, 56]

# انتخاب بر اساس لیستی از ایندکس‌ها
selected = data[[0, 2, 4]] # [12, 67, 23]

قوانین منطبق شدن ابعاد در Broadcasting:

۱. ابعاد دو آرایه از سمت راست (کم‌ارزش‌ترین بعد) با هم مقایسه می‌شوند.
۲. دو بعد منطبق هستند اگر اندازه آن‌ها **برابر** باشد، یا اندازه یکی از آن‌ها **۱** باشد.
۳. بعدی که اندازه آن ۱ است، به صورت مجازی کشیده می‌شود تا با بعد بزرگتر تطابق یابد.

matrix = np.array([[1, 2, 3],
[4, 5, 6]]) # shape: (2, 3)

vector = np.array([10, 20, 30]) # shape: (3,)

# انتشار بردار روی تمام سطرها
result = matrix + vector
# خروجی:
# [[11, 22, 33],
# [14, 25, 36]]

print(np.sum(arr)) # 100 (مجموع کل)
print(np.sum(arr, axis=0)) # [40, 60] (مجموع ستون‌ها)
print(np.mean(arr, axis=1)) # [15., 35.] (میانگین سطرها)
print(np.std(arr)) # انحراف معیار کل

# تغییر شکل آرایه بدون تغییر داده‌ها
reshaped = np.arange(12).reshape(3, 4)

# ادغام آرایه‌ها
a = np.array([1, 2])
b = np.array([3, 4])
concat = np.concatenate((a, b)) # [1, 2, 3, 4]

a = np.ones((1000, 1000), dtype=np.float64)
b = np.ones((1000, 1000), dtype=np.float64)

# روش غیربهینه (ایجاد آرایه موقت):
# c = a + b

# روش بهینه و درجا (In-place):
np.add(a, b, out=a) # حاصل مستقیماً در a ذخیره می‌شود
a += b # این حالت نیز بهینه اجرا می‌شود

# داده‌های نمونه: هر سطر یک خانه، هر ستون یک ویژگی
# ستون ۰: مساحت (مترمربع)، ستون ۱: قیمت (میلیون)
raw_data = np.array([
[120, 2500],
[85, 1800],
[300, 8500],
[50, 950],
[110, 2300]
], dtype=np.float64)

# ۱. محاسبه حداقل و حداکثر هر ستون (axis=0)
min_vals = raw_data.min(axis=0)
max_vals = raw_data.max(axis=0)

# ۲. نرمال‌سازی با استفاده از Broadcasting
normalized_data = (raw_data – min_vals) / (max_vals – min_vals)

print(“داده‌های نرمال‌شده:n”, np.round(normalized_data, 2))

# ۳. حذف خانه‌های با مساحت بیشتر از ۲۰۰ متر (فیلتر کردن داده‌های پرت)
filtered_houses = raw_data[raw_data[:, 0] <= 200]
print("nخانه‌های غیر پرت:n", filtered_houses)

۱. خطای ValueError: operands could not be broadcast together

علت: ابعاد دو آرایه‌ای که قصد انجام عملیات روی آن‌ها را دارید با قوانین Broadcasting همخوانی ندارد.
راه‌حل: مشخصه `.shape` هر دو آرایه را چاپ کنید و مطمئن شوید ابعاد از سمت راست برابر هستند یا یکی از آن‌ها ۱ است. در صورت نیاز از `reshape()` یا `np.newaxis` استفاده کنید.

۲. خطای IndexError: index out of bounds

علت: تلاش برای دسترسی به ایندکسی که خارج از بازه طول بعد مشخص شده است.
راه‌حل: توجه داشته باشید که ایندکس‌گذاری در نامپای از ۰ شروع می‌شود. بررسی کنید که ایندکس درخواستی کمتر از `shape[axis]` باشد.

۳. تغییر غیرمنتظره داده‌ها در آرایه اصلی

علت: ویرایش متغیری که یک View از آرایه اصلی بوده است.
راه‌حل: اگر می‌خواهید متغیر جدید کاملاً ایزوله باشد، حتماً هنگام برش زدن متد `.copy()` را صدا بزنید (`sub_arr = arr[0:5].copy()`).

تفاوت اصلی NumPy با Pandas چیست؟

NumPy بر پردازش آرایه‌های عددی همگن و عملیات ریاضی سریع تمرکز دارد. Pandas روی داده‌های جدول‌بندی‌شده ناهمگن (دارای نام ستون و انواع داده متفاوت) متمرکز است و خود Pandas در لایه‌های زیرین از NumPy قدرت می‌گیرد.

چرا سرعت NumPy از لیست پایتون بیشتر است؟

به دلیل ذخیره‌سازی پیوسته داده‌ها در حافظه، کدنویسی لایه زیرین با زبان C، عدم نیاز به dynamic typing در زمان اجرا، و بهره‌گیری از دستورات SIMD پردازنده.

چگونه یک آرایه دو بعدی را به یک بعدی تبدیل کنیم؟

می‌توانید از متد `flatten()` برای گرفتن یک کپی یک‌بعدی یا از `ravel()` برای ایجاد یک View یک‌بعدی و بدون اشغال حافظه جدید استفاده کنید.

آیا NumPy امکان استفاده از کارت گرافیک (GPU) را دارد؟

خیر، NumPy به طور نیتیو فقط از CPU استفاده می‌کند. برای محاسبات آرایه‌ای روی GPU می‌توانید از کتابخانه‌های جایگزین مانند CuPy یا PyTorch استفاده کنید که نحوه نگارش آن‌ها شباهت زیادی به NumPy دارد.