NumPy для научных вычислений на Python

Освойте NumPy — фундаментальную библиотеку для научных вычислений и работы с многомерными массивами в Python. NumPy лежит в основе Pandas, Matplotlib, scikit-learn, TensorFlow и почти всех библиотек Data Science.

В уроках изучаем: создание массивов (np.array, np.zeros, np.ones, np.arange, np.linspace, случайные числа), атрибуты (shape, size, dtype, ndim), индексацию и срезы (включая булеву индексацию и fancy indexing), изменение формы (reshape, ravel, flatten). Векторизованные операции — главное преимущество NumPy: элементы массивов обрабатываются без явных циклов на Python, что в 10-100 раз быстрее. Универсальные функции (ufunc): sin, cos, exp, log, sqrt, power, abs. Базовые статистики: mean, median, std, var, min, max, sum, cumsum. Линейная алгебра: np.dot, np.linalg.inv, np.linalg.det, собственные значения, решение систем уравнений. Broadcasting (распространение) — умное приведение массивов разной формы.

Примеры: обработка изображений как 3D-массивов (RGB), генерация синтетических данных, вычисление расстояний между точками. Сравнение производительности Python-списков и NumPy. NumPy — первый шаг в Data Science.