NumPy questo sconosciuto
Per chi non lo sapesse sono un ingegnere informatico e da un anno sono iscritto ad un master in BigData presso una nota universitá online Uninettuno (non prendo soldi per questo state tranquilli :)).
Ho deciso di focalizzare la mia attenzione sui bigdata in quando, ritengo che, insieme alla sicurezza informatica siano topic di maggiore attualitá nell'attuale panorama infoirmatico. Basti pensare che tutte le maggiori socitá stanno avendo sempre di piú un approccio Data-Driven (DDC Data-Driven Company), in quanto l'analisi dei dati permette di prendere decisioni sulla base di fatti oggettivi in diversi ambiti non solo tecnologici come ad esempio:
- marketing;
- rilevamento di frodi;
- attivitá di manutenzione;
- modelli per intelligenza artificiale;
- pianificazione
- ... e tante altre
Proprio per far fonte a queste esigenze sono nate nuove figure professionali come i Data Scientist, Data Analyst o il Machine Learning Engineer che fanno uso di specifici linguaggi di programmazione come Python e R per raccogliere e analizzare i dati.
Sono venuti alla luce sistemi di archiviazione come Cassandra, MongoDB e Hadoop che usando librerie come NumPy, Pandas o Dask permettono in maniera agevole di esplorare dataset e generare statistiche e metriche.
Il panorama é ampio e disperivo per questo motivo oggi mi focalizzo du NumPy (Numerical Python).
Creata nel 2005 da Travis Oliphant sulla base Numeric di Jim Hugunin, NumPy è poi diventata la principale libreria di calcolo scientifico e uno dei cardini principali del pacchetto SciPy, una libreria open source utilizzata per la risoluzione di problemi matematici, elaborazione immagini e molto altro.
NumPy fornisce una vasta libreria matematica in grado di eseguire calcoli numerici in modo efficace ed efficiente. In particolare, questa libreria offre numerosi vantaggi rispetto al semplice utilizzo di Python tra cui:
- la definizione della struttura dati nd-array, che permette la creazione di liste, matrici o tensori per effettuare calcoli matematici;
- l’archiviazione efficiente dei dati attraverso un utilizzo ottimizzato della memoria per la gestione degli nd-array e notevolmente inferiore rispetto agli array definiti in Python;
- la possibilità di specificare diversi tipi di dati per gli nd-array tra cui anche tipi di dati arbitrari che consentono a Numpy di integrarsi facilmente e rapidamente con un’ampia varietà di database;
- strumenti per l’integrazione di codice C / C ++ e Fortran;
- la definizione di un ampio insieme di funzioni ottimizzate per operazioni aritmetiche, algebra lineare, elaborazione numerica;
- la definizione di funzioni ottimizzate di ricerca e ordinamento dei dati;
- una più semplice gestione ed elaborazione delle date;
- la capacità di NumPy di gestire al meglio nd-array di diverse dimensioni durante le operazioni matematiche.
Dopo tante parole passiamo alla pratica, é arrivato il momento di installare NumPy!
Essendo una libreria Python, l'unico vero prerequisito é aver installato Python sulla propria macchina. Se non sai come installare Python puoi seguire questa guida.
Esistono vari modi per installare una libreria Python, i piú diffusi sono pip e conda, in questo articolo parleremo solo di pip. Uno dei motivi per usare pip é che viene installato automaticamente con Phython senza dover installare altre cose, e dato che a noi piace semplificarci la vita (dove possible)...
Installazione tramite pip3
Adesso siamo pronti per installare
Installazione tramite pip
e digitare
Se l'installazione é avvenuta in modo corretto, output sará la versione di NumPy installata.
Commenti
Posta un commento