Numpy
Numpy nedir?
Numpy dizilerle çalışmak için kullanılan python kütüphanesidir. Ayrıca Numerical Python kısaltılmasıdır.
Neden Numpy?
Listeler her bir veri için bir veri tipi tuttuğundan çok yavaştır. Buna kıyasla Numpy dizileri listelerden çok daha hızlıdır.
Nasıl kurulur?
pip install numpy
Projeye entegre edilmesi.
# Artık np adı ile çağırılabilir.
import numpy as np
Numpy sürümünü kontrol etmek.
print(np.__version__)
1.22.3
Numpy dizisi oluşturma
Numpy dizi nesnesine ndarray denir. Dizi oluşturmak için np.array() fonksyionun kullanılabilir.
Numpy ile dizi yaratırken np.array fonksiyonuna parametre olarak gönderilecek parametre tuple içinde ya da liste içinde gönderilmesi gerkiyor.
# np.array() fonksiyonu ile array tanımlanması.
arr = np.array([1, 2, 3])
# arrayi ekrana basmak.
print(arr)
# arrayin tipini ekrana basmak.
print(type(arr))
[1 2 3]
<class 'numpy.ndarray'>
1 boyutlu diziler
arr = np.array([1, 2, 3])
print(arr)
[1 2 3]
2 boyutlu diziler
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
[[1 2 3]
[4 5 6]]
3 boyutlu diziler
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr)
[[1 2 3]
[4 5 6]
[7 8 9]]
Bir dizinin boyutunu nasıl kontrol edebiliriz?
Bir dizinin boyutunu konrol etmek için ‘ndim’ kulllanılır.
# 0 boyutlu dizi.
arr = np.array(1)
print(arr.ndim)
# 1 boyutlu dizi.
arr = np.array([1,2,3])
print(arr.ndim)
# 2 boyutlu dizi.
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.ndim)
0
1
2
Bir dizinin elemanlarına nasıl erişirim?
Listelerdeki sistem gibi kullanılabilir.
1 boyutlu dizinin elemanlarına erişmek;
# örnek listenin tanımlanması
sample_list = [10, 1, 2, 3]
# örnek listesinin ilk elemanını ekrana bastırmak
print(sample_list[0])
# np.array() fonksiyonu ile dizi oluşturma
arr = np.array([4,1,2])
# dizinin ilk elemanını ekrana bastırmak
print(arr[0])
10
4
2 boyutlu dizinin elemanlarına erişmek;
# iki boyutlu bir dizi tanımlanması
arr = np.array([[10, 9, 8], [7, 6, 5]])
# ikinci boyuttaki ilk eleman
print(arr[1, 0])
7
Dizi dilimleme (Slicing)
Tek boyutlu dizileri dilimlemek;
# Bir boyutlu bir dizi tanımlanması.
arr = np.array([1, 2, 3, 4, 5])
# Diziyi başlangıçtan sona kadar şekliyle istediğimiz parçayı dilimledik.
print(arr[1:3])
# Belirlenen başlangıçtan diziyi sona kadar dilimlemek.
print(arr[2:])
# Baştan diziyi belirlenen sona kadar bölmek.
print(arr[:4])
[2 3]
[3 4 5]
[1 2 3 4]
Çok boyutlu dizileri dilimlemek;
# Boyutlu dizinin tanımlanması.
arr = np.array([[0, 1, 2, 3], [10, 20, 30, 40]])
print(arr[1, [2, 3]])
[30 40]
Dizi kopyalama (Copy)
Kopyalama işlemi bir dizideki elemanın değeri değiştirildiğinde asıl dizide değişmemesini sağlar.
# Dizinin tanımlanması.
arr = np.array([10, 20, 30, 40])
# Kopyalanma işlemi.
clone = arr.copy()
print(arr)
print(clone)
[10 20 30 40]
[10 20 30 40]
Diziyi bir değişkene atadığımızda asıl dizimiz değişiyor örnek;
# Dizinin tanımlanması
arr = np.array([10, 20,30, 40])
# Dizi kopyalanmaz referans olarak atanır.
second_arr = arr
# Atanan değişkenin değerini değiştiririz.
second_arr[0] = 50
# ve asıl dizimiz olan arr dizisinde bu değişiklik görünür
print(arr)
[50 20 30 40]
Dizi şeklini alma (Shape)
Bir dizinin şeklini almak için shape kullanılır.
# Dizinin tanımlanması
arr = np.array([[10, 20, 30, 40], [50, 60, 70, 80]])
print(arr.shape) #(2,4)
(2, 4)
Bu dizinin boyutunun 2 olduğu ve 4 öğeye sahip olduğu görülmektedir.
Dizi yeniden şekillendirme (Reshaping)
Dizimizi yeniden şekillendirmek istersek reshape methodu kullanılır.
# Bir boyutlu dizi tanımlanması
arr = np.array([10, 20, 30, 40, 50, 60])
# Reshape kullanılarak elde edilen yeni dizinin tanımlanması
arr2 = arr.reshape(2,3)
print(arr2)
[[10 20 30]
[40 50 60]]
arr2 = arr.reshape(3,2)
print(arr2)
[[10 20]
[30 40]
[50 60]]
Bir numpy dizisini ekrana basmak
Bir numpy dizisini ekrana basmak istersek döngüleri kullanabilir.
Bir boyutlu dizinin ekrana basılması;
# Dizimizin tanımlanması
arr = np.array([10, 20, 30, 40, 50])
for i in arr:
print(i)
10
20
30
40
50
Çok boyutlu dizinin ekrana basılması;
# Dizimizin tanımlanması
arr = np.array([[10, 20], [30, 40], [50, 60]])
for i in arr:
print(i)
[10 20]
[30 40]
[50 60]
Çok boyutlu dizinin her elemanını ayrı bir şekilde ekrana basmak için;
# Dizimizin tanımlanması
arr = np.array([[10, 20], [30, 40], [50, 60]])
for i in arr:
for value in i:
print(value)
10
20
30
40
50
60
Döngülerin dışında bir diziyi ekrana basmak için np.nditer methodunu kullanabiliriz.
# Dizimizin tanımlanması
arr = np.array([[10, 20], [30, 40], [50, 60]])
for i in np.nditer(arr):
print(i)
10
20
30
40
50
60
Dizileri birleştirme (concatenate)
İki tane bir boyutlu dizinin birleştirilme işlemi;
# Birinci dizinin tanımlanması.
arr1 = np.array([1,2,3,4,5])
# İkinci dizinin tanımlanması
arr2 = np.array([10, 20, 30, 40, 50])
# Birleştirilen dizilerin yeni bir değişkene atanması
concat_arr = np.concatenate((arr1, arr2))
print(concat_arr)
[ 1 2 3 4 5 10 20 30 40 50]
İki tane iki boyutlu dizinin birleştirilme işlemi (axis=1);
# Birinci dizinin tanımlanması
arr1 = np.array([[1, 2], [3, 4]])
# İkinci dizinin tanımlanması
arr2 = np.array([[10, 20], [30, 40]])
# Birleştirilen dizilerin yeni bir değişkene atanması
concat_arr = np.concatenate((arr1, arr2), axis = 1)
print(concat_arr)
[[ 1 2 10 20]
[ 3 4 30 40]]
Dizileri bölmek (Split)
Bir diziyi bölmek istediğimizde array_split methodunu kullanabiliriz.
Bir boyutlu diziyi bölmek;
# Dizinin tanımlanması
arr = np.array([10, 20, 30, 40, 50, 60])
# Diziyi parçalara bölüp değişkene atanma işlemi
split_arr = np.array_split(arr, 2)
print(split_arr)
[array([10, 20, 30]), array([40, 50, 60])]
# Dizinin tanımlanması
arr = np.array([10, 20, 30, 40, 50, 60])
# Diziyi parçalara bölüp değişkene atanma işlemi
split_arr = np.array_split(arr, 3)
print(split_arr)
[array([10, 20]), array([30, 40]), array([50, 60])]
İki boyutlu diziyi bölmek;
# iki boyutlu dizinin tanımlanması
arr = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]])
# Diziyi parçalara bölüp değişkene atanma işlemi
split_arr = np.array_split(arr, 2)
print(split_arr)
[array([[1, 2],
[3, 4],
[5, 6]]), array([[ 7, 8],
[ 9, 10],
[11, 12]])]
# iki boyutlu dizinin tanımlanması
arr = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]])
# Diziyi parçalara bölüp değişkene atanma işlemi
split_arr = np.array_split(arr, 3)
print(split_arr)
[array([[1, 2],
[3, 4]]), array([[5, 6],
[7, 8]]), array([[ 9, 10],
[11, 12]])]
Dizileri sıralama (Sorting)
Dizimizi sıralamak istersek sort methodu kullanabiliriz
Bir boyutlu diziyi sıralamak;
# Dizinin tanımlanması
arr = np.array([300, 20, 500, 1, 100])
# Sıralanan dizinin değişkene atanma işlemi
sorted_array = np.sort(arr)
print(sorted_array)
[ 1 20 100 300 500]
İki boyutlu diziyi sıralamak;
# Dizinin tanımlanması
arr = np.array([[30, 10, 20], [60, 40, 50]])
# Sıralanan dizinin değişkene atanma işlemi
sorted_array = np.sort(arr)
print(sorted_array)
[[10 20 30]
[40 50 60]]
Fancy indexing
Dizi öğelerimizi kolayca filtrelememize yarar.
# Dizinin tanımlanması
arr = np.array([10, 20, 30, 40, 50])
# Filtreleme ile dizinin bazı elemanlarını değişkene atma
filtered_arr = arr[arr > 30]
print(filtered_arr)
[40 50]
fancy indexing ile dizimize şunu dedik 30 değerinden büyük değerleri bizlere getir
# Dizinin tanımlanması
arr = np.array([10, 11, 12, 13, 14, 15])
# Sadece çift sayıları aldığımız değişkenin tanımlanması
even_arr = arr[arr % 2 == 0]
print(even_arr)
[10 12 14]
fancy indexing ile dizimizdeki çift sayıları alma işlemi
Rastgele dizi oluşturma
- Rastgele tam sayılardan oluşan bir dizi oluşturmak istersek np.random.randint methodunu kullanabiliriz.
- Rastgele rasyonel sayılar (float) oluşturmak istersek np.random.rand methodunu kullanabiliriz.
Bir boyutlu rastgele tam sayı dizisi oluşturmak;
# Dizimizin tanımlanması
arr = np.random.randint(20, size=(5))
print(arr)
[15 18 14 7 4]
Oluşturduğumuz rastgele dizimizde np.random.randint methodunun ilk parametresi 0’dan 20’ye kadar olan sayılar arasından rastgele seçmeyi, ikinci parametresi ile dizimizin büyüklüğünü belirtir.
İki boyutlu rastgele tam sayı dizisi oluşturmak;
# Dizimizin tanımlanması
arr = np.random.randint(100, size=(2,5))
print(arr)
[[66 65 93 86 53]
[23 93 49 35 37]]
Oluşturmuş olduğumuz dizimizde np.random.randint methodunun ilk parametresi 0’dan 100’e kadar rastgele değerler seçer, ikinci parametresinde ilk değer boyutunu ikinci değer ise eleman sayısını belirtir.
Aritmetik işlemler
- Toplama işlemi için add methodunu kullanabiliriz.
- Çıkarma işlemi için subract methodunu kullanabiliriz.
- Çarpma işlemi için multiply methodunu kullanabiliriz.
- Bölme işlemi için divide methodunu kullanabiliriz.
- Üs alma işlemi için power methodunu kullanabiliriz.
- Kalan alma işlemi için remainder methodunu kullanabiliriz.
- Mod alma işlemi için mod methodunu kullanabiliriz.
- Mutlak değer işlemi için absolute methodunu kullanabiliriz.
Toplama (add)
# Birinci dizimizin tanımlanması
arr1 = np.array([10, 20, 30, 40, 50])
# İkinci dizimizin tanımlanması
arr2 = np.array([1, 2, 3, 4, 5])
add_arr = np.add(arr1, arr2)
print(add_arr)
[11 22 33 44 55]
Birinci dizimiz ile ikinci dizimizin elemanları sıralı bir şekilde toplama işlemini yaptık.
Çıkarma (subtract)
# Birinci dizimizin tanımlanması
arr1 = np.array([10, 20, 30, 40, 50])
# İkinci dizimizin tanımlanması
arr2 = np.array([1, 2, 3, 4, 5])
sub_arr = np.subtract(arr1, arr2)
print(sub_arr)
[ 9 18 27 36 45]
Birinci dizimizden ikinci dizimizi çıkartma işlemini sıralı bir şekilde uyguladık.
Çarpma (multiply)
# Birinci dizimizin tanımlanması
arr1 = np.array([10, 20, 30, 40, 50])
# İkinci dizimizin tanımlanması
arr2 = np.array([1, 2, 3, 4, 5])
multiply_arr = np.multiply(arr1, arr2)
print(multiply_arr)
[ 10 40 90 160 250]
Birinci dizimiz ile ikinci dizimizi sıralı olarak çarpma işlemini uyguladık.
Bölme (divide)
# Birinci dizimizin tanımlanması
arr1 = np.array([11, 21, 31, 41, 51])
# İkinci dizimizin tanımlanması
arr2 = np.array([1, 2, 3, 4, 5])
divide_arr = np.divide(arr1, arr2)
print(divide_arr)
[11. 10.5 10.33333333 10.25 10.2 ]
Birinci dizimizi ikinci dizimize böldük ve elde ettiğimiz dizi rasyonel sayılardan (float) oluşan bir dizi oldu.
Üs alma (power)
# Birinci dizimizin tanımlanması
arr1 = np.array([11, 21, 31, 41, 51])
# İkinci dizimizin tanımlanması
arr2 = np.array([1, 2, 3, 4, 5])
power_arr = np.power(arr1, arr2)
print(power_arr)
[ 11 441 29791 2825761 345025251]
Birinci dizimize ikinci dizimizde bulunan değerleri sırayla üs olarak aldık.
Kalan (remainder)
# Birinci dizimizin tanımlanması
arr1 = np.array([11, 21, 34, 45, 57])
# İkinci dizimizin tanımlanması
arr2 = np.array([1, 2, 3, 4, 5])
remainder_arr = np.remainder(arr1, arr2)
print(remainder_arr)
[0 1 1 1 2]
Birinci dizimizin ikinci dizimize bölünmesinden kalanları alma işlemi yaptık.
Mod (mod)
# Birinci dizimizin tanımlanması
arr1 = np.array([11, 21, 34, 45, 57])
# İkinci dizimizin tanımlanması
arr2 = np.array([1, 2, 3, 4, 5])
mod_arr = np.mod(arr1, arr2)
print(mod_arr)
[0 1 1 1 2]
Birinci dizimizin ikinci dizimize bölünmesinden kalanları alma işlemi yaptık.
Mutlak değer (absolute)
# Birinci dizimizin tanımlanması
arr1 = np.array([-11, 21, -34, 45, -57])
absolute_arr = np.absolute(arr1)
print(absolute_arr)
[11 21 34 45 57]
Dizimize mutlak değer işlemi uyguladık.
Dizi içerisinde aritmetik işlemler
- Toplama
- Fark
- Çarpım
Toplama (Summations)
# Dizimizin tanımlanması
arr = np.array([10, 20, 30, 40, 50])
# Dizimizin elemanlarının toplanıp yeni değişkene atılması
summation_arr = np.sum(arr)
print(summation_arr)
150
Axis ile toplama;
# Birinci dizimizin tanımlanması
arr1 = np.array([10, 20, 30, 40, 50])
# İkinci dizimizin tanımlanması
arr2 = np.array([1, 2, 3, 4, 5])
# Toplanan değerleri yeni değişkene atılma işlemi
summation_arr = np.sum([arr1, arr2], axis = 1)
print(summation_arr)
[150 15]
Birinci dizimizin elemanlarını topladık ve ikinci dizimizin elemanlarını topladık böylece ayrı ayrı toplama işlemi yapmış olduk. Eğer axis değerine 0 atasaydık arr1 ile arr2 nin elemanlarının hepsini toplayacaktı yani çıktı 165 olacaktı.
Fark (Differences)
# Dizimizin tanımlanması
arr = np.array([10, 22, 35, 49, 5])
# Çıkarılan değerleri yeni değişkene atılma işlemi
diff_arr = np.diff(arr)
print(diff_arr)
[ 12 13 14 -44]
Burada dizimizin elamanlarının bir önceki elemanlanla çıkarılma işlemini yapıyoruz yani şu şekilde: 22-10 = 12, 35-22 = 13, 49-35 = 14, 5-49 = -44
Çarpım (products)
# Dizimizin tanımlanması
arr = np.array([1, 2, 3, 4])
# Dizimizin elemanlarının çarpılıp değişkene atılma işlemi
mult_arr = np.prod(arr)
print(mult_arr)
24
Dizimizdeki elemanların birbirleriyle çarpılma işlemini yaptık.
Axis ile çarpma;
# Birinci dizimizin tanımlanması
arr1 = np.array([1, 2, 3])
# İkinci dizimizin tanımlanması
arr2 = np.array([3, 4, 5])
# Çarpılan değerlerin değişkene atılma işlemi
mult_arr = np.prod([arr1, arr2], axis=1)
print(mult_arr)
[ 6 60]