Hvordan installere numpy python utviklingsmiljø på ubuntu

Python er et moderne programmeringsspråk nå for å støtte et stort antall biblioteker. Ulike typer oppgaver kan gjøres ved å bruke disse bibliotekene. Numpy er et av de nyttige bibliotekene i Python for å utføre vitenskapelige operasjoner. Dette biblioteket kan brukes til å lage en flerdimensjonal rekke objekter. Ulike typer matematiske oppgaver kan gjøres raskt ved å bruke dette biblioteket, for eksempel å sortere matrisen, omforming av matrise, statistisk drift, aritmetisk operasjoner, etc. Det fungerer raskere fordi det er utviklet ved å bruke C -programmeringsspråket.

Numpy installasjon på Ubuntu:

Du må sjekke den installerte Python -versjonen av systemet før du installerer Numpy Library. Python3 brukes i denne opplæringen for å vise måten å installere Numpy -biblioteket i Python. Kjør følgende kommando for å sjekke den installerte Python -versjonen.

$ python3 -v

Følgende utgang viser at Python versjon 3.8.6 er installert i systemet.

Kjør følgende kommando for å installere Numpy Library for Python3.

$ sudo apt install python3-numpy

Sjekk numpy versjon fra terminalen:

Du kan sjekke den installerte versjonen av Numpy -biblioteket på flere måter. Følgende kommando vil vise den installerte Numpy Library -versjonen hvis den er riktig installert av forrige kommando.

$ python3 -c "import numpy; print (numpy.__versjon__)"

Følgende utgang viser at Numpy versjon 1.18.4 er installert i systemet.

Importere og sjekk numpy versjon

Du kan finne ut den installerte versjonen av Numpy -biblioteket ved å utføre Python -skriptet også. Kjør følgende kommando for å utføre Python -skriptet.

$ python3

Kjør følgende Python -skript fra Python -ledeteksten for å sjekke den installerte Numpy Library -versjonen.

>>> import numpy som NP
>>> NP.versjon.versjon

Følgende utgang viser både versjonen av Python og Numpy Library.

Aktiver Numpy i Pycharm Editor:

Mange Python -ideser eksisterer for å utføre Python -skript. Noen av de populære Python -redaktørene er Pycharm, Spyder, Eric, Pyzo, Atom, Pydev, etc. Pycharm IDE brukes i denne opplæringen for å vise hvordan du skriver og utfører Python -skriptet ved å importere Numpy Library. Du kan kjøre følgende kommando for å installere Pycharm på Ubuntu.

$ sudo snap install pycharm-community--classic

Du må angi Numpy Library -plasseringen i Pycharm IDE for å importere biblioteket i skriptet. Åpne Innstillinger vindu ved å klikke på Innstillinger Menyelement fra Fil Meny. Klikk på prosjektmappen som ble opprettet før for å lagre Python -skriptet. Her er prosjektmappenavnet Python Ligger i mappen, /Hjem/Fahmida/PycharmProjects. Finne ut Numpy mappe som ligger under /Venv/lib/python3.8/nettstedspakker. Velg mappen og klikk på ok knapp.

Arbeid med Numpy:

Skriv følgende skript i en Python -fil for å vite hvordan Numpy -biblioteket kan brukes i Python -skriptet. Numpy Array fungerer raskere enn Python -listen som vises ved utgangen av dette skriptet. Numpy Library importeres i begynnelsen av manuset for å lage Numpy -matrisen. Tidsbibliotek importeres for å beregne tiden som kreves av Python -lister og numpy matriser for å gjøre den samme oppgaven. Størrelsen på matrisen vil bli tatt som innspill fra brukeren. To Python -lister vil bli opprettet ved å bruke utvalget() funksjon basert på inngangsverdien. Deretter blir den nåværende systemtiden lagret i variabelen, starttid. En annen ny liste vil bli opprettet ved å multiplisere hver verdi av begge listene. Begge listenes verdier er like fordi rekkeverdier oppretter listene, og begge listene inneholder samme antall verdier. Den nye listevariabelen, p_calculate, vil inneholde hvert element i listens kvadratverdi. Igjen lagres den nåværende systemtiden i variabelen, sluttid. Forskjellen mellom sluttid og starttid vil vise Python -listen sin tid til å gjøre beregningen. I neste del av manuset, Arange () Funksjonen til det numpy biblioteket brukes til å lage to endimensjonale numpy matriser av rekkeviddeverdier. Begge matriser multipliseres for å få den samme utgangen generert av to Python -lister i de forrige uttalelsene. Tiden som kreves for å beregne oppgaven ved hjelp av Numpy -matrisen, vil bli skrevet ut for å sammenligne tiden som trengs for Python -listen og Numpy -matrisen.

# Importer de nødvendige pakkene
Importer numpy som NP
Importer tid
# Ta matrisestørrelse fra brukeren
array_size = int (input ("Angi størrelsen på matrisen:"))
# Opprett to Python -lister basert på array_stize -verdien
liste1 = rekkevidde (array_size)
liste2 = rekkevidde (array_size)
# Angi starttid
start_time = tid.tid()
# Lag en liste ved å beregne kvadratroten
p_calculate = [(a * b) for a, b i zip (liste1, liste2)]
# Skriv ut resultatet
print ("Resultatet av listen: \ n", p_calculate)
# Angi slutttid
END_TIME = TID.tid()
# Skriv ut tidsverdien som kreves av Python -listen
Print ("Tiden som kreves av Python List:", End_Time - Start_Time)
# Lag to numpy matriser basert på array_stize -verdien
np_array1 = np.Arange (Array_Size)
np_array2 = np.Arange (Array_Size)
# Angi starttid
start_time = tid.tid()
# Lag en matrise ved å beregne kvadratroten
np_calculate = np_array1 * np_array2
# Skriv ut resultatet
print ("Resultatet av matrisen: \ n", np_calculate)
# Angi slutttid
END_TIME = TID.tid()
# Skriv ut tidsverdien som kreves av Numpy Array
Print ("Tiden som kreves av Numpy Array:", End_Time - Start_Time)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. Utgangen viser at Python -listen krever mer tid enn Numpy Array for å gjøre den samme oppgaven.

Konklusjon:

Å installere og bruke Python Numpy -biblioteket for Python3 blir forklart i denne opplæringen for å hjelpe leseren å bruke dette biblioteket i Python -skriptet for å løse forskjellige typer matematiske og vitenskapelige problemer.