Python ile Matematik İşlemleri: NumPy Kütüphanesi Kullanımı

Python'da matematik işlemleri yaparken standart kütüphane yavaş kalır. NumPy, diziler ve matrisler üzerinde hızlı hesaplamalar için tasarlanmış bir kütüphanedir. Özellikle veri analizi, makine öğrenmesi ve bilimsel hesaplamada vazgeçilmezdir.

NumPy'nin temel avantajı, C dilinde yazılmış olması nedeniyle standart Python listelerine kıyasla 10-100 kat daha hızlı çalışmasıdır. Büyük veri setleriyle çalışırken bu fark çok önemlidir.

Temel Kullanım

NumPy'nin merkezi yapısı ndarray (N-boyutlu dizi) adlı veri yapısıdır. Bunu oluşturmanın en basit yolu array() fonksiyonudur:

1import numpy as np
2
3# Basit dizi oluşturma
4a = np.array([1, 2, 3, 4, 5])
5print(a) # [1 2 3 4 5]
6
7# 2D matris
8matris = np.array([[1, 2, 3], [4, 5, 6]])
9print(matris.shape) # (2, 3)

Matematiksel İşlemler

Dizilerin üzerinde işlem yapmak basittir. Toplama, çıkarma, çarpma gibi işlemler element-wise (her eleman için) yapılır:

1a = np.array([1, 2, 3])
2b = np.array([4, 5, 6])
3
4print(a + b) # [5 7 9]
5print(a * b) # [4 10 18]
6print(np.sqrt(a)) # [1. 1.41421356 1.73205081]

Lineer Cebir

Matris çarpması, determinant, özdeğer gibi işlemler için np.linalg modülü kullanılır:

1A = np.array([[1, 2], [3, 4]])
2B = np.array([[5, 6], [7, 8]])
3
4# Matris çarpması
5sonuc = np.dot(A, B)
6print(sonuc)
7
8# Determinant
9det = np.linalg.det(A)
10print(det) # -2.0

İstatistik Fonksiyonları

Ortalama, standart sapma, minimum/maksimum değerleri bulmak hızlıdır:

1veri = np.array([10, 20, 30, 40, 50])
2print(np.mean(veri)) # 30.0
3print(np.std(veri)) # 14.14...
4print(np.max(veri)) # 50

NumPy öğrendikten sonra Pandas (veri analizi) ve Matplotlib (görselleştirme) gibi kütüphanelere geçiş çok kolay olur. Veri bilimi yolunda ilk adım NumPy'yi iyi anlamaktır.