[100% Off] Numpy For Data Science - Real Time Exercises Free Course Coupon

أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :

وصف Numpy تعني Numerical Python.
في هذه الدورة، ستتعرف على مكتبة Numpy في لغة برمجة Python مع تمارين الترميز في الوقت الفعلي في Jupyter Notebook، بلغة سهلة الفهم للغاية.
تسمح لنا المصفوفات Numpy بأداء أسرع العمليات الرياضية، بالمقارنة مع القائمة أو الصف.
بعض أوامر Numpy التي سنستخدمها في هذه الدورة.
1. استيراد numpy كـ np
2. 1-D Array - A = np.array( [1,2,3,4,5] ) # لإنشاء مصفوفة أحادية البعد.
3. 2-D Array - A = np.array( [[1,2,3],[4,5,6]] ) # لإنشاء مصفوفة ثنائية الأبعاد.
4. 3-D Array - A = np.array( [[[1,2,3],[4,5,6],[7,8,9]]] ) # لإنشاء مصفوفة ثلاثية الأبعاد.5. مصفوفة من القائمة - L = np.array( [1,2,3,4,5] ) # لإنشاء مصفوفة من القائمة.
6. Array From Tuple - T = np.array( (11,22,33,44,55) ) # لإنشاء مصفوفة من Tuple.
7. np.asarray() - لتحويل أي نوع بيانات (list,tuple) إلى مصفوفة numpy.Ex: L_Array = np.asarray(list); T_Array = np.asarray(tuple)
8. المصفوفة الديناميكية - المصفوفة الديناميكية تشبه المصفوفة، ولكن مع اختلاف أن حجمها يمكن تعديله ديناميكيًا في وقت التشغيل.
9. np.array( [1,2,3,4] , ndmin = 2 , dtype = complex ) # يمكننا ضبط البعد ونوع البيانات لأي مصفوفة.
10. np.arange() - A = np.arange( 1,20,3 ) # لإنشاء تسلسلات من الأرقام.
11. Reshape () - A = A.reshape ( 3,4 ) # لإعادة تشكيل مصفوفة.
12. Ndim - A.ndim # لإظهار عدد محاور (أبعاد/رتبة) المصفوفة.
13. الشكل - A.shape # شكل المصفوفة، أي المصفوفة والصفوف والأعمدة.
14. الحجم - A.size # يظهر العدد الإجمالي. من عناصر المصفوفة.
15. dtype - A.dtype # يُظهر نوع بيانات عناصر المصفوفة.
16. itemsize - A.itemsize # يُظهر الحجم بالبايت لكل عنصر من عناصر المصفوفة.
17. type() - type(A) # يوضح نوع المصفوفة.
18. .data - # يشير إلى عنوان الذاكرة للبايت الأول في المصفوفة.
19. خطوات - A.strides # إنه لا. من البايتات التي يجب تخطيها في الذاكرة للانتقال إلى العنصر التالي.
20. A = np.array( [[1,2,3], [4,5,6]] , dtype = float ) # إنشاء مصفوفة من قوائم من النوع float.
21. عمليات المصفوفات - A = np.array([1,2,3,4]) , B = np.array([11,22,33,44])A + B à [ 12 24 36 48 ] ;; ب – أ à [ 10 20 30 40 ] ؛؛ أ * ب à [ 11 44 ​​99 176 ] ؛؛ B / A à [ 11. 11. 11. 11. ] , OR ,np.add(A,B) à [ 12 24 36 48 ] ;; np.subtract(B,A) إلى [ 10 20 30 40 ] ;; np.multiply(A,B) إلى [ 11 44 ​​99 176 ] ;; np.divide(B,A) à [ 11. 11. 11. 11. ]
22. مصفوفة الأصفار - مصفوفة تكون جميع قيمها 0- ZA = np.zeros( (3,4) , dtype = int/float/str ) # إنشاء مصفوفة من جميع قيم الأصفار ذات الشكل والنوع المحددين.- يمكننا التحديد شكل ونوع بيانات مصفوفة الأصفار.- يمكننا إنشاء مصفوفة أصفار أحادية الأبعاد وثنائية الأبعاد وثلاثية الأبعاد أيضًا.- نوع البيانات الافتراضي هو عائم.
23. مصفوفة الآحاد - مصفوفة تكون جميع قيمها 1- A = np.ones( (4,3) , dtype = int/float/str ) # إنشاء مصفوفة من جميع قيم الآحاد ذات الشكل والنوع المحددين.- يمكننا التحديد شكل ونوع بيانات المصفوفة.- يمكننا إنشاء مصفوفة أحادية البعد، ثنائية الأبعاد، وثلاثية الأبعاد أيضًا.- نوع البيانات الافتراضي هو عائم.
24. مصفوفة القيمة الكاملة - مصفوفة تكون فيها جميع القيم متماثلة (ثابتة)- A = np.full ( (3,4, 7 ) # إنشاء مصفوفة 3x4 بقيمة ثابتة واحدة (7) في كل مكان.- يمكننا تحديد الشكل، وتمرير القيمة المراد ملؤها في "المصفوفات الكاملة". - يمكننا إنشاء مصفوفة كاملة ثلاثية الأبعاد، ثنائية الأبعاد، وثلاثية الأبعاد، بقيم صحيحة أو عائمة أو سلسلة. - الافتراضي نوع البيانات هو عدد صحيح.
25. الوحدة العشوائية - تحتوي هذه الوحدة على الوظائف المستخدمة لتوليد أرقام عشوائية.
أ. دالة عشوائية - تقوم بإرجاع رقم (أرقام) عشوائية بين 0 و1.np.random.random((2,3)) # تقوم بإنشاء مصفوفة ثنائية الأبعاد ذات شكل 2x3 بقيم عشوائية.
B. دالة Randint- تقوم بإنشاء رقم (أرقام) صحيحة عشوائية بين نطاق معين.- افتراضيًا، يبدأ النطاق من 0.- يمكن تكرار الأرقام.
np.random.randint(5,20,4) # تقوم بإنشاء مجموعة 1-D من الرقم المعطى. من القيم الصحيحة (4 هنا) بين الأرقام المدخلة 5 و 20. يمكن للقيم تكرار.np.random.randint(5,20,(4,3)) # يقوم بإنشاء مصفوفة ثنائية الأبعاد من الشكل 4x3، بين القيم المعطاة أدخل الأرقام 5 و20. يمكن تكرار القيم.
C. دالة Rand - تقوم بإرجاع رقم (أرقام) عشوائية بين 0 و1.np.random.rand(10) # تقوم بإنشاء مصفوفة من 10 أرقام عشوائية بين 0 و1.
D. دالة Randn - تقوم بإرجاع أرقام عشوائية (موجبة وسالبة على حد سواء) على شكل array.np.random.randn(2,3,4) # تعرض القيم (+/-) على شكل صفائف.
ه. دالة موحدة- تقوم بإرجاع رقم (أرقام) عشوائية بين نطاق معين من القيم. - لا يمكن تكرار الأرقام العشوائية. - افتراضيًا، يبدأ النطاق من 0. - إذا لم يتم تمرير أي شيء في ()، فسوف يُرجع قيمة الرقم العائم بين 0 و1.
np.random.uniform(1,5,50) # يعرض الرقم المحدد. من القيم الفريدة بين أرقام الإدخال المعطاة. لا يمكن تكرار القيم. القيم موجودة بالتنسيق العائم.
F. وظيفة الاختيار - تقوم بإرجاع رقم (أرقام) صحيحة عشوائية من التسلسل المحدد. - يبدأ النطاق من 0 افتراضيًا. - إذا تم تمرير عنصر واحد فقط، فسوف يُرجع رقمًا بين 0 وهذا العنصر. - افتراضيًا، استبدل = True، مما يعني أن الأرقام يمكن أن تتكرر.
np.random.choice( [2,5,8,9,1,7] , size=16 ,replace=True/False) # لإنشاء مصفوفة باستخدام 16 عنصرًا من قائمة الأرقام المحددة؛ استبدال = صحيح يعني أن العناصر يمكن أن تتكررnp.random.normal( loc=100,scale=5 , size=10 ) # يسحب عينة عشوائية من التوزيع الطبيعي ;loc – متوسط ​​التوزيع ; مقياس التوزيع القياسي ؛ الحجم - لا. العناصر.
26. دالة Linspace - np.linspace() - تُرجع قيمًا متباعدة بشكل متساوٍ (خطيًا) ضمن فترة زمنية محددة.np.linspace(start, stop, num=50, endpoint=True, retstep=True, dtype=None) ;Ex - A = np.linspace(2, 20, num=15) ; B = np.linspace (1,100,12)
27. Flatten Array - A.flatten() # يتم استخدامه للحصول على نسخة من المصفوفة مطوية إلى 1-D.
28. الدالة الفارغة - np.empty() - # يتم استخدام الدالة الفارغة لإنشاء مصفوفة من القيم العشوائية ذات الشكل ونوع البيانات المحددين، دون تهيئة الإدخالات.A = np.empty( 4 ) ;; B = np.empty( (5,3) , dtype=int ) ;; C = np.empty( [2,5,3] , dtype=object )التركيب: np.empty ( الشكل، dtype )- يمكن تقديم الشكل في قائمة أو شكل صف- نوع البيانات الافتراضي هو float
29. يمكننا تحديد أنواع بيانات الصفوف والأعمدةA = np.full( (2,3), 3, dtype = [ ('x',float) , ('y',int) ])
30. وظيفة العين - np.eye() - تقوم وظيفة العين بإرجاع مصفوفة ثنائية الأبعاد، مع 1 قطريًا و0 في أي مكان آخر. بناء الجملة: np.eye(shape, k, dtype) - هنا، إذا تم تمرير عدد الصفوف فقط ، ثم عدد الأعمدة = عدد الصفوف- K هو مؤشر القطر، افتراضيًا، k=0 يعني القطر الرئيسي؛ عندما يكون k=موجب يعني القطر العلوي؛ عندما يكون k=negative يعني القطر السفلي- نوع البيانات الافتراضي هو float
31. مصفوفة الهوية - np.identity() - تقوم بإرجاع مصفوفة هوية، أي مصفوفة مربعة تحتوي على 1 على القطر الرئيسي وجميع العناصر الأخرى هي 0. بناء الجملة: np.identity(shape, dtype)- يأخذ قيمة عدد صحيح واحد فقط كشكل.- سيكون عدد الصفوف وعدد الأعمدة مساوياً لقيمة العدد الصحيح المعطاة.- نوع البيانات الافتراضي هو float
32. Ones Like Array - تُرجع مصفوفة من الآحاد، بنفس الشكل والنوع للمصفوفة المحددة. بناء الجملة: np.ones_like(array, dtype)Ex: A = np.ones_like(B) - ستُرجع مصفوفة A من الآحاد، من نفس الشكل والنوع للمصفوفة B التي تم إنشاؤها بالفعل.
33. أصفار مثل المصفوفة - تُرجع مصفوفة من الأصفار، بنفس الشكل والنوع للمصفوفة المحددة. بناء الجملة: np.zeros_like(array, dtype)Ex: P = np.zeros_like(Q) - ستُرجع مصفوفة P من الأصفار، بنفس شكل ونوع المصفوفة Q.
34. مصفوفة كاملة مثل - تقوم بإرجاع مصفوفة كاملة من العناصر الثابتة، بنفس الشكل والنوع للمصفوفة المحددة. بناء الجملة: np.full_like(array, fill_value, dtype) Ex: X = np.full_like(Y, 7) - سيعيد مصفوفة X مليئة بالقيمة الثابتة 7، بنفس الشكل والنوع للمصفوفة Y التي تم إنشاؤها بالفعل.
35. الدالة القطرية - يتم استخدامها لاستخراج العناصر القطرية للمصفوفة، أو المستخدمة لإنشاء مصفوفة قطرية جديدة. بناء الجملة: np.diag(a, k)- إذا كان 'a' مصفوفة ثنائية الأبعاد، فإنه يستخرج العناصر القطرية.- إذا كانت 'a' عبارة عن مصفوفة أحادية الأبعاد، فسيتم إنشاء مصفوفة ثنائية الأبعاد بعناصر 'a' قطريًا. - افتراضيًا، k هي 0. استخدم k>0 لـ الأقطار فوق القطر الرئيسي. استخدم k<0 للأقطار الموجودة أسفل القطر الرئيسي.
36. وظيفة النقل - تقوم بتحويل الصفوف إلى أعمدة، والأعمدة إلى صفوف. بناء الجملة : array.T , أو , np.transpose(array)
37. Copy() - A = a.copy() # تقوم بإرجاع نسخة من المصفوفة.
38. عوامل التشغيل - +, - , * , / - A = np.array([1,2,3]) ; ب = أ + 1 أ ب = [2,3,4] ; C = A * 2 à C = [2,4,6]
39. تبديل - a.T # تحويل الصفوف إلى أعمدة والأعمدة إلى صفوف.
40. المشغلون الأحاديون - هؤلاء المشغلون الذين يحتاجون إلى معامل واحد فقط. لنفترض أن 'a' عبارة عن مصفوفة :a.max() , a.max(axis=1), a.max(axis=0) , a.sum()a.min() , a.min(axis=1) ) , a.min(axis=0) , np.sum(a, axis=1)# يمكن تطبيق هذه الوظائف على مستوى الصف أو العمود عن طريق تعيين معلمة المحور.
41. stack - c = np.stack( (a,b) ) # يقوم بإنشاء مصفوفة باستخدام المصفوفات كصفوف.
42. column_stack - c = np.column_stack( (a,b) ) # يقوم بإنشاء مصفوفة باستخدام المصفوفات كأعمدة.
43. V-Stack وH-Stack - يُستخدم Vstack أو Hstack لدمج مصفوفتين أو أكثر لتكوين مصفوفة جديدة.
43.A) vstack - c = np.vstack( (a,b) ) # يُلحق البيانات عموديا. a و b مصفوفتان.
43.B) hstack - c = np.hstack( (a,b) ) # يقوم بإلحاق البيانات أفقيًا. a وb عبارة عن صفائف.
44. فهرسة المصفوفة - يتم استخدام الفهرسة للحصول على عنصر (عناصر) أو صف (صفوف) أو عمود (أعمدة) معينة من المصفوفة (المصفوفات) numpy. وهنا، نقوم بتمرير فهرس العنصر للوصول إليه. يبدأ الفهرس من 0، وليس من 1. ويعيد العناصر حتى فهرس "إيقاف الفهرس - 1". الفهرسة في مصفوفة ثنائية الأبعاد: التنسيق - المصفوفة[فهرس البداية: فهرس التوقف]الفهرسة في مصفوفة ثنائية الأبعاد: التنسيق - المصفوفة[ فهرسة الصف، فهرسة_العمود]الفهرسة في مصفوفة ثلاثية الأبعاد: التنسيق - المصفوفة[matrix_indexing,row_indexing, column_indexing]
على سبيل المثال - a[1:2,1:2,1:2] # نظرًا لأن المصفوفات قد تكون متعددة الأبعاد، فيجب علينا تحديد شريحة لكل بُعد من المصفوفة.
45. فهرسة الأعداد الصحيحة المختلطة - a[1,1:2,1:2] # يؤدي مزج فهرسة الأعداد الصحيحة مع فهرسة الشرائح إلى الحصول على مصفوفة ذات رتبة أقل. بينما، باستخدام الشرائح فقط، فإنه ينتج مصفوفة بنفس رتبة المصفوفة الأصلية.
46. فهرسة مصفوفة الأعداد الصحيحة - a[[0,1,2],[0,1,0]] # تتيح لنا إنشاء مصفوفة عشوائية (اختيار عشوائي) باستخدام البيانات من مصفوفة أخرى.
47. فهرسة المصفوفة المنطقية - a[a>2] # يتم استخدامها لتحديد عناصر المصفوفة التي تستوفي بعض الشروط.
48. .dot() # يتم استخدامه لحساب المنتج الداخلي للمتجهات، وضرب المتجه في المصفوفة، وضرب المصفوفات.
49. np.any(x > 0.9) # يتحقق مما إذا كانت أي قيمة أكبر من 0.9 في x. ( x = np.random.random(10))
50. np.all(x >= 0.9) # يتحقق مما إذا كانت جميع القيم أكبر من أو تساوي 0.1 في x. ( x = np.random.random(10))
51. array_A[array_A == x] = y # استبدال كل x في المصفوفة_A المحددة بـ y.
52. a[[2,4]] or a[(1,3),:] # الحصول على القيم من الصف الثاني والرابع من المصفوفة.
53. للحصول على النتائج من المصفوفة : a.sum(), a.std(), a.var(), a.mean(), a.max(), a.min()

< ر> (adsbygoogle = window.adsbygoogle || []).push({}); احصل على قسيمة إذا لم يتم فتح الكوبون، قم بتعطيل Adblock، أو جرب متصفحًا آخر.

ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:

(احصل على الدورة للدخول إلى الموقع والتسجيل)

يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)