NumPy = numerikus számításokra optimalizált Python könyvtár.

Telepítés:

pip install numpy

Importálás:

import numpy as np

Miért nem elég a lista?

• Lassabb nagy adatmennyiségnél
• Nincs valódi vektorművelet
• Matematikai műveletek körülményesek

import numpy as np

#lista
szamok = [1, 2, 3, 4]
print(szamok * 2)
#Ez nem elemenkénti szorzás!

#NumPy array
arr = np.array([1, 2, 3, 4])
print(arr * 2)
#Ez elemenként szoroz.

Feladat:

• Hozz létre egy listát: [10, 20, 30, 40]
• Alakítsd NumPy array-jé
• Szorozd meg 3-mal

import numpy as np

lista = [10, 20, 30, 40]
arr = np.array(lista)

print(arr * 3)
35–55 perc – Tömb létrehozása különböző módokon
Példák
np.zeros(5) #csak nullák
np.ones(5) #csak egyesek
np.arange(0, 10, 2) #mint range, de array
np.linspace(0, 1, 5) #intervallum felosztása

Feladat: Hozz létre egy array-t 0-tól 20-ig 5-ös lépéssel. Hozz létre 6 darab 1-est tartalmazó tömböt.

import numpy as np

arr1 = np.arange(0, 21, 5)
arr2 = np.ones(6)

print(arr1)
print(arr2)
55–65 perc – Szünet
65–85 perc – Indexelés és szeletelés
Példa
arr = np.array([10, 20, 30, 40, 50])

print(arr[0])
print(arr[1:4])

Szeletelés: start:end

Feladat: Hozz létre egy 0–9-ig terjedő array-t. Írd ki az első 5 elemet. Írd ki az utolsó 3 elemet

import numpy as np

arr = np.arange(10)

print(arr[:5])
print(arr[-3:])

NumPy műveletek elemenként történnek.

arr = np.array([1, 2, 3, 4])
print(arr + 5)
print(arr ** 2)
print(arr.mean())

Fontos:

• Nincs szükség for ciklusra
• Gyorsabb és tisztább kód

Feladat: Hozz létre egy array-t 1–5-ig. Számold ki a négyzetüket. Számold ki az átlagukat

import numpy as np

arr = np.arange(1, 6)

negyzet = arr ** 2
atlag = arr.mean()

print("Négyzetek:", negyzet)
print("Átlag:", atlag)

1. Feladat: Az adat.txt fájl számokat tartalmaz. Írj programot, ami:

• Beolvassa a számokat NumPy array-be
• Kiszámolja az átlagot és szórást
• Kiírja az eredményeket

import numpy as np

adat = np.loadtxt("adat.txt")

print("Átlag:", np.mean(adat))
print("Szórás:", np.std(adat))

2. feladat: