NumPy
Python으로 과학적 컴퓨팅을 하기 위한 기초 패키지
NumPy 1.26.0 출시
2023-09-16

강력한 n차원 배열
빠르고 다재다능한 NumPy의 벡터화, 인덱싱, 전송 구성은 오늘날 배열 컴퓨팅의 사실상 표준입니다.

수치적 컴퓨팅 도구
NumPy는 포괄적인 수학 함수, 난수 생성기, 선형 대수 루틴, 푸리에 변환 등을 제공합니다.

오픈소스
자유 BSD 라이선스에 따라, NumPy는 흥미에 찼으며, 반응이 빠르고, 다양성이 넘치는 커뮤니티에 의하여 GitHub에서 공개적으로 개발되고 유지됩니다.

상호운용성
NumPy는 광범위한 하드웨어 및 컴퓨팅 플랫폼을 지원합니다. 또 분산형, GPU, 희소 배열 라이브러리와도 잘 작동합니다.

고성능
NumPy의 핵심은 최적화된 C 코드로 구성되어 있습니다. 컴파일된 코드의 속도와 함께 Python의 유연함을 즐기세요.

쉬운 사용성
NumPy의 고수준 문법은 어떤 배경이나 수준을 가지고 있는 프로그래머든 쉽게 접근하여 생산적인 일을 할 수 있도록 만들어줍니다.

NumPy 써 보기

대화형 셸을 이용해 브라우저에서 NumPy를 사용해보세요

""" To try the examples in the browser: 1. Type code in the input cell and press Shift + Enter to execute 2. Or copy paste the code, and click on the "Run" button in the toolbar """ # The standard way to import NumPy: import numpy as np # Create a 2-D array, set every second element in # some rows and find max per row: x = np.arange(15, dtype=np.int64).reshape(3, 5) x[1:, ::2] = -99 x # array([[ 0, 1, 2, 3, 4], # [-99, 6, -99, 8, -99], # [-99, 11, -99, 13, -99]]) x.max(axis=1) # array([ 4, 8, 13]) # Generate normally distributed random numbers: rng = np.random.default_rng() samples = rng.normal(size=2500) samples

생태계

Python으로 작업하는 거의 모든 과학자는 NumPy의 힘을 이용합니다.

NumPy는 C 및 Fortran과 같은 언어의 계산 능력을 배우고 사용하기 훨씬 쉬운 언어인 Python으로 가져옵니다. 이 힘에는 단순함이 있습니다. NumPy의 솔루션은 종종 명확하고 우아합니다.

사례 연구