Sains Data

Cara memasang persekitaran pengembangan NumPy python di Ubuntu

Cara memasang persekitaran pengembangan NumPy python di Ubuntu
Python adalah bahasa pengaturcaraan moden sekarang kerana menyokong sebilangan besar perpustakaan. Pelbagai jenis tugas dapat dilakukan dengan menggunakan perpustakaan ini. NumPy adalah salah satu perpustakaan Python yang berguna untuk melakukan operasi saintifik. Perpustakaan ini dapat digunakan untuk membuat pelbagai objek pelbagai dimensi. Berbagai jenis tugas matematik dapat dilakukan dengan cepat menggunakan perpustakaan ini, seperti menyusun susunan, menyusun semula tatasusunan, operasi statistik, operasi aritmetik, dll. Ia berfungsi lebih pantas kerana dikembangkan dengan menggunakan bahasa pengaturcaraan C.

Pemasangan NumPy di ​​Ubuntu:

Anda mesti memeriksa versi sistem python yang dipasang sebelum memasang perpustakaan NumPy. Python3 digunakan dalam tutorial ini untuk menunjukkan cara memasang perpustakaan NumPy di ​​Python. Jalankan arahan berikut untuk memeriksa versi python yang dipasang.

$ python3 -V

Output berikut menunjukkan bahawa versi python 3.8.6 dipasang dalam sistem.

Jalankan arahan berikut untuk memasang perpustakaan NumPy untuk Python3.

$ sudo apt memasang python3-numpy

Periksa NumPy versi dari terminal:

Anda boleh menyemak versi perpustakaan NumPy yang dipasang dengan pelbagai cara. Perintah berikut akan menunjukkan versi perpustakaan NumPy yang dipasang jika dipasang dengan betul oleh arahan sebelumnya.

$ python3 -c "import numpy; cetak (numpy.__versi__) "

Output berikut menunjukkan bahawa NumPy versi 1.18.4 dipasang dalam sistem.

Import dan periksa NumPy versi

Anda boleh mengetahui versi perpustakaan NumPy yang dipasang dengan melaksanakan skrip python juga. Jalankan arahan berikut untuk melaksanakan skrip python.

$ ular sawa3

Jalankan skrip python berikut dari command prompt python untuk memeriksa versi perpustakaan NumPy yang dipasang.

>>> import numpy sebagai np
>>> np.versi.versi

Output berikut menunjukkan kedua-dua versi Python dan NumPy library.

Aktifkan editor NumPy dalam PyCharm:

Banyak python IDE wujud untuk melaksanakan skrip python. Beberapa penyunting python yang popular adalah PyCharm, Spyder, Eric, Pyzo, Atom, Pydev, dll. PyCharm IDE digunakan dalam tutorial ini untuk menunjukkan cara menulis dan melaksanakan skrip python dengan mengimport perpustakaan NumPy. Anda boleh menjalankan perintah berikut untuk memasang PyCharm di Ubuntu.

$ sudo snap install pycharm-community --classic

Anda harus menetapkan lokasi perpustakaan NumPy di ​​PyCharm IDE untuk mengimport perpustakaan dalam skrip. Buka Tetapan tetingkap dengan mengklik Tetapan item menu dari Fail menu. Klik pada folder projek yang telah dibuat sebelumnya untuk menyimpan skrip python. Di sini, nama folder projek adalah Python terletak di folder, / rumah / fahmida / Projek Pycharm. Ketahui numpy folder yang terletak di bawah / venv / lib / python3.8 / pakej laman web. Pilih folder dan klik yang OK butang.

Bekerja dengan NumPy:

Tulis skrip berikut dalam fail python untuk mengetahui bagaimana perpustakaan NumPy dapat digunakan dalam skrip python. Array NumPy berfungsi lebih pantas daripada senarai python yang ditunjukkan oleh output skrip ini. Perpustakaan NumPy diimport pada awal skrip untuk membuat array NumPy. Perpustakaan masa diimport untuk mengira masa yang diperlukan oleh senarai python dan tatasusunan NumPy untuk melakukan tugas yang sama. Ukuran array akan diambil sebagai input dari pengguna. Dua senarai python akan dibuat dengan menggunakan julat () berfungsi berdasarkan nilai input. Seterusnya, masa sistem semasa akan disimpan dalam pemboleh ubah, masa mula. Satu lagi senarai baru akan dibuat dengan mengalikan setiap nilai kedua-dua senarai tersebut. Nilai kedua-dua senarai itu sama kerana nilai julat membuat senarai, dan kedua-dua senarai mengandungi jumlah nilai yang sama. Pemboleh ubah senarai baru, p_kira, akan mengandungi setiap elemen nilai kuasa dua senarai. Sekali lagi, masa sistem semasa disimpan dalam pemboleh ubah, masa tamat. Perbezaan antara masa tamat dan masa mula akan menunjukkan masa senarai python untuk melakukan pengiraan. Di bahagian seterusnya skrip, berbaris () fungsi perpustakaan NumPy digunakan untuk membuat dua tatasusunan NumPy satu dimensi dengan nilai julat. Kedua-dua array digandakan untuk mendapatkan output yang sama yang dihasilkan oleh dua senarai python dalam pernyataan sebelumnya. Masa yang diperlukan untuk mengira tugas menggunakan array NumPy akan dicetak untuk membandingkan masa yang diperlukan untuk senarai python dan array NumPy.

# Import pakej yang diperlukan
import numpy sebagai np
masa import
# Ambil ukuran array dari pengguna
array_size = int (input ("Masukkan ukuran array:"))
# Buat dua senarai Python berdasarkan nilai array_size
list1 = julat (ukuran_ array)
list2 = julat (ukuran array_)
# Tetapkan masa mula
start_time = masa.masa()
# Buat senarai dengan mengira punca kuasa dua
p_calculate = [(a * b) untuk a, b dalam zip (list1, list2)]
# Cetak hasilnya
cetak ("Hasil senarai: \ n", p_kira)
# Tetapkan masa tamat
end_time = masa.masa()
# Cetak nilai masa yang diperlukan oleh senarai python
cetak ("Masa yang diperlukan oleh senarai python:", end_time - start_time)
# Buat dua tatasusunan NumPy berdasarkan nilai array_size
np_array1 = np.susun atur (ukuran_saiz)
np_array2 = np.susun atur (ukuran_saiz)
# Tetapkan masa mula
start_time = masa.masa()
# Buat array dengan mengira punca kuasa dua
np_kira = np_array1 * np_array2
# Cetak hasilnya
cetak ("Hasil susunan: \ n", np_kira)
# Tetapkan masa tamat
end_time = masa.masa()
# Cetak nilai masa yang diperlukan oleh array NumPy
cetak ("Masa yang diperlukan oleh susunan numpy:", end_time - start_time)

Pengeluaran:

Output berikut akan muncul setelah melaksanakan skrip di atas. Hasilnya menunjukkan bahawa senarai python memerlukan lebih banyak masa daripada array NumPy untuk melakukan tugas yang sama.

Kesimpulan:

Memasang dan menggunakan perpustakaan Python NumPy untuk python3 dijelaskan dalam tutorial ini untuk membantu pembaca menggunakan perpustakaan ini dalam skrip python mereka untuk menyelesaikan pelbagai jenis masalah matematik dan saintifik.

5 Kad Tangkap Permainan Teratas
Kita semua telah melihat dan menyukai streaming permainan permainan di YouTube. PewDiePie, Jakesepticye, dan Markiplier hanyalah beberapa pemain terat...
Cara Membangunkan Permainan di Linux
Satu dekad yang lalu, tidak banyak pengguna Linux akan meramalkan bahawa sistem operasi kegemaran mereka suatu hari nanti akan menjadi platform permai...
Port Sumber Terbuka Mesin Permainan Komersial
Rekreasi enjin permainan sumber terbuka dan bebas platform boleh digunakan untuk bermain lama dan juga beberapa tajuk permainan yang baru-baru ini. Ar...