NumPy: различия между версиями

Материал из Википедии — свободной энциклопедии
Перейти к навигации Перейти к поиску
Интерактивная навигация по истории
(Показать все непатрулированные изменения)
[непроверенная версия][непроверенная версия]
← Предыдущая правка
Содержимое удалено Содержимое добавлено
ВизуальныйВики-текст
Спасено источников — 4, отмечено мёртвыми — 0. Сообщить об ошибке. См. FAQ.) #IABot (v2.0.9.5
 
(не показаны 43 промежуточные версии 34 участников)
Строка 1: Строка 1:
{{Карточка программы
{{Карточка программы
| снимок экрана = NumPy Matplotlib sin x plotted with red dots.svg
| name = NumPy
| logo = [[Файл:Numpylogo.png]]
| screenshot =
| caption =
| genre = расширение языка [[Python]]
| developer = Проект сообщества
| programming_language =
| operating_system = [[Кроссплатформенное программное обеспечение]]
| latest_release_version = 1.7.0
| latest_release_date = 13 февраля 2013
| latest_preview_version =
| latest_preview_date =
| license = [[Лицензия BSD]]
| website = [http://numpy.org/ numpy.org]
}}
}}
'''NumPy''' — это расширение языка [[Python]], добавляющее поддержку больших многомерных [[Индексный массив|массивов]] и [[Матрица (математика)|матриц]], вместе с большой библиотекой [[Высокоуровневый язык программирования|высокоуровневых]] математических функций для операций с этими массивами. Предшественник NumPy, Numeric, был изначально создан ''Jim Hugunin''. NumPy — [[открытое программное обеспечение]], поучаствовать в разработке может любой желающий.


'''NumPy''' (сокращенно от ''Numerical Python'')— библиотека с [[открытое программное обеспечение|открытым]] [[Исходный код|исходным кодом]] для [[Язык программирования|языка программирования]] [[Python]]. Возможности:
== Мотивация ==
* поддержка многомерных [[Индексный массив|массивов]] (включая [[Матрица (математика)|матрицы]]);
Поскольку [[Python]] — [[Интерпретируемый язык программирования|интерпретируемый язык]], математические алгоритмы часто работают в нём гораздо медленнее, чем в [[Компилируемый язык программирования|компилируемых языках]], таких как [[Си (язык программирования)|Cи]] или [[Java]]. NumPy пытается решить эту проблему для большого количества [[Вычислительная математика|вычислительных алгоритмов]], обеспечивая поддержку многомерных массивов и множество функций и операторов для работы с ними. Таким образом, любой алгоритм, который может быть выражен в основном как последовательность операций над массивами и матрицами, работает так же быстро, как эквивалентный код, выполняемый в MATLAB, а после специальной оптимизации скорость может достигнуть скорости компилируемых языков типа
* поддержка [[Высокоуровневый язык программирования|высокоуровневых]] математических функций, предназначенных для работы с многомерными массивами.
[[Си (язык программирования)|Cи]].<ref>{{cite web|title=SciPy PerformancePython|url=http://scipy.org/PerformancePython|accessdate=2006-06-25|archiveurl=http://www.webcitation.org/66erkpN8x|archivedate=2012-04-04}}</ref>


== Назначение ==
NumPy можно рассматривать как хорошую свободную альтернативу [[MATLAB]], поскольку язык программирования [[MATLAB]] внешне напоминает NumPy: оба они интерпретируемые, и оба позволяют пользователям писать быстрые программы, пока большинство операций производятся над массивами или матрицами, а не над [[скаляр]]ами. Преимущество [[MATLAB]] в большом количестве доступных дополнительных тулбоксов, включая такие как пакет [[Simulink]]. Основные пакеты, дополняющие NumPy, это: [[SciPy]] — библиотека, добавляющая больше MATLAB-подобной функциональности; [[Matplotlib]] — пакет для создания графики в стиле [[MATLAB]]. Внутренне как [[MATLAB]], так и NumPy основаны на библиотеке [[LAPACK]], предназначенной для решения основных задач линейной алгебры.
Математические алгоритмы, реализованные на [[Интерпретируемый язык программирования|интерпретируемых языках]] (например, Python), часто работают гораздо медленнее тех же алгоритмов, реализованных на [[Компилируемый язык программирования|компилируемых языках]] (например, [[Фортран]], [[Си (язык программирования)|Си]], [[Java]]). Библиотека NumPy предоставляет реализации [[Вычислительная математика|вычислительных]] [[алгоритм]]ов (в виде функций и операторов), оптимизированные для работы с многомерными массивами. В результате любой алгоритм, который может быть выражен в виде последовательности операций над массивами (матрицами) и реализованный с использованием NumPy, работает так же быстро, как эквивалентный код, выполняемый в [[MATLAB]]<ref>{{cite web
|title = SciPy PerformancePython
|url = http://scipy.org/PerformancePython
|accessdate = 2006-06-25
|archiveurl = https://www.webcitation.org/66erkpN8x?url=http://scipy.org/PerformancePython
|archivedate = 2012-04-03
}}</ref>.

== Сравнение с MATLAB ==
NumPy можно рассматривать как свободную альтернативу MATLAB. Язык программирования MATLAB внешне напоминает NumPy: оба они интерпретируемые, оба позволяют выполнять операции над массивами (матрицами), а не над [[скаляр]]ами. Преимущество MATLAB в наличии большого количества пакетов («тулбоксов»), например, {{не переведено|Simulink|Simulink|en|Simulink}}. Для NumPy тоже существуют подобные «пакеты», например, библиотека [[SciPy]] предоставляет больше MATLAB-подобной функциональности, библиотека [[Matplotlib]] позволяет создавать графики в стиле MATLAB. И MATLAB, и NumPy для решения основных задач [[Линейная алгебра|линейной алгебры]] используют код, основанный на коде библиотеки [[LAPACK]].


== Пример ==
== Пример ==
Рассмотрим пример работы с NumPy в интерактивной оболочке [[IPython]].
[[Файл:Numpy example.png|thumb| Результат работы скрипта]]
Это простой пример интерактивной манипуляции с массивами и отрисовки графика в NumPy. В примере также использована интерактивная оболочка [[IPython]] и графическая библиотека [[Matplotlib]].
<pre>
# Запуск Python из командной строки.
shell> ipython -pylab
Python 2.5.1 (r251:54863, Jun 15 2008, 18:24:51)
Type "copyright", "credits" or "license" for more information.


Запуск iPython из командной строки:
IPython 0.8.2 -- An enhanced Interactive Python.
? -> Introduction and overview of IPython's features.
%quickref -> Quick reference.
help -> Python's own help system.
object? -> Details about 'object'. ?object also works, ?? prints more.


<source lang="bash">
Welcome to pylab, a matplotlib-based Python environment.
For more information, type 'help(pylab)'.


ipython
# Непосредственно код:
In [1]: x = linspace(0, 2*pi, 100)
In [2]: y = sin(x)
In [3]: plot(x,y,'ro-')
</pre>


</source>
== История NumPy ==


Код на языке Python, с использованием библиотек [[numpy]] и [[matplotlib]]:
NumPy основан на двух более ранних пакетах для Python. Сначала был '''Numeric''', вполне стабильный и полный, доступный по сей день, но устаревший. Он был написан в 1995 году программистом Jim Hugunin при участии многих людей, среди которых Jim Fulton, David Ascher, Paul DuBois, и Konrad Hinsen. Более новая версия под названием '''Numarray''' это полностью переписанный Numeric который теперь тоже не рекомендуется к использованию<ref>{{cite web| title = Numarray Homepage | url = http://www.stsci.edu/resources/software_hardware/numarray | accessdate = 2006-06-24}}</ref> '''NumPy''' объединяет в себе эти два пакета, он построен на базовом коде Numeric и дополнен возможностями Numarray.


<syntaxhighlight lang="python">
Были высказаны пожелания добавить Numeric в стандартную библиотеку Python, но [[Ван Россум, Гвидо|Гвидо Ван Россум]] (автор Python) четко дал понять, что код в его тогдашнем состоянии было невозможно поддерживать. Другая проблема заключалась в том что на больших массивах Numeric был очень медленным. В результате был создан Numarray. Он быстрее на больших массивах, но медленнее на малых. Некоторое время использовались оба пакета. Последняя версия Numeric v24.2 была выпущена 11 Ноября 2005 года, а последняя версия numarray v1.5.2 вышла 24 августа 2006.<ref>{{cite web|title=NumPy Sourceforge Files|url=http://sourceforge.net/project/showfiles.php?group_id=1369|accessdate=2008-03-24|archiveurl=http://www.webcitation.org/66erllXAq|archivedate=2012-04-04}}</ref>
import numpy as np
import matplotlib.pyplot as plt


# функция y = sin(x)
В начале 2005 Travis Oliphant захотел объединить сообщество вокруг одного пакета матричных вычислений. Код Numeric был переписан так чтобы его было легче поддерживать и чтобы он мог включить новые возможности Numarray. Этот новый проект был частью [[SciPy]]. Чтобы не загружать весь пакет [[SciPy]] ради создания массива, '''NumPy''' был выделен в отдельный пакет. Хотя исходный код находится в открытом доступе и содержит большое количество документации, имеется также подробный '''Путеводитель по NumPy'''<ref>{{cite book |first=Travis E. |last=Oliphant |title=Guide to NumPy |date=[[December 7]], [[2006]] |url=http://www.tramy.us/numpybook.pdf|format=PDF}}</ref>
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
# нарисовать график в виде отдельных точек, в форме "o"
plt.plot(x, y,"ro")


# сохранить рисунок в формат SVG
NumPy version 1.3.0, выпущен 5 Апреля 2009 года и поддерживает Python 2.6.<ref>{{cite web|title=NumPy 1.3.0 Release Notes|url=http://sourceforge.net/project/shownotes.php?release_id=673613&group_id=1369|accessdate=2009-05-02|archiveurl=http://www.webcitation.org/66ermLXgs|archivedate=2012-04-04}}</ref> Поддержка Python 3 реализована начиная с версии 1.5.0.
plt.savefig('matplotlib_sin_x_red_dots.svg')

# показать интерактивное окно с графиком
plt.show()
</syntaxhighlight>

В результате выполнения кода на языке Python и использованием библиотек NumPy и Matplotlib будет создан график, приведённый на рисунке.
[[Файл:NumPy Matplotlib sin x plotted with red dots.svg|450px|мини|справа|альт=График функции sin(x), построенный с использованием библиотек NumPy и Matplotlib|График функции y=sin(x), построенный с использованием библиотек NumPy и Matplotlib]]

== История ==
В [[1995 год]]у программист Jim Hugunin написал библиотеку Numeric для языка Python. Библиотека развивалась при участии многих людей, среди которых были Jim Fulton, David Ascher, Paul DuBois и Konrad Hinsen. Библиотека доступна по сей день, считается вполне стабильной и полной, но устаревшей.

Предлагалось добавить Numeric в стандартную библиотеку языка Python, но [[Ван Россум, Гвидо|Гвидо Ван Россум]] (автор языка программирования [[Python]]) чётко дал понять, что код в его тогдашнем состоянии было невозможно поддерживать.

Кроме того, библиотека Numeric медленно обрабатывала большие массивы данных.

На основе библиотеки Numeric была создана библиотека NumArray. Код Numeric был полностью переписан.

Библиотека NumArray<ref>{{cite web
|title = numarray: A New Scientific Array Package for Python
|url = https://svn.python.org/www/trunk/pydotorg/pycon/papers/numarray.html
|accessdate = 2024-01-18
|archive-date = 2024-01-18
|archive-url = https://web.archive.org/web/20240118134338/https://svn.python.org/www/trunk/pydotorg/pycon/papers/numarray.html
|url-status = live
}}</ref> обрабатывала большие массивы данных быстрее библиотеки Numeric, но малые массивы обрабатывала медленнее.

Некоторое время использовалась и библиотека Numeric, и библиотека NumArray. Последняя версия Numeric (v24.2) была выпущена [[11 ноября]] [[2005 год]]а. Последняя версия NumArray (v1.5.2) вышла [[24 августа]] [[2006 год]]а<ref>{{cite web
|title = NumPy Sourceforge Files
|url = http://sourceforge.net/project/showfiles.php?group_id=1369
|accessdate = 2008-03-24
|archiveurl = https://www.webcitation.org/66erllXAq?url=http://sourceforge.net/projects/numpy/files/
|archivedate = 2012-04-03
}}</ref>. Библиотека NumArray более не рекомендуется к использованию<ref>{{cite web
| title = Numarray Homepage
| url = http://www.stsci.edu/resources/software_hardware/numarray
| accessdate = 2006-06-24
| archive-date = 2021-06-09
| archive-url = https://web.archive.org/web/20210609072444/https://www.stsci.edu/maintenance/bad-proxy.html
| deadlink = no
}}</ref>.

В начале 2005 года программист [[Трэвис Олифант]] захотел объединить сообщество вокруг одного проекта и для замены библиотек Numeric и NumArray создал библиотеку NumPy. NumPy был создан на основе кода Numeric. Код Numeric был переписан так, чтобы его было легче поддерживать, и в библиотеку можно было добавить новые возможности. Возможности NumArray были добавлены в NumPy.

Изначально NumPy был частью библиотеки [[SciPy]]. Чтобы позволить другим проектам использовать библиотеку NumPy, её код был помещён в отдельный пакет.

Исходный код NumPy находится в открытом доступе. Существует большое количество документации. Имеется даже подробный «''Путеводитель по NumPy''»<ref>{{книга
|заглавие=Guide to NumPy
|ссылка=http://web.mit.edu/dvp/Public/numpybook.pdf
|язык=English
|автор=Oliphant, Travis E.
|archivedate=2016-03-07
|archiveurl=https://web.archive.org/web/20160307223523/http://web.mit.edu/dvp/Public/numpybook.pdf
}}</ref>.

NumPy v1.3.0 выпущен [[5 апреля]] [[2009 год]]а и поддерживает Python v2.6<ref>{{cite web
|title = NumPy 1.3.0 Release Notes
|url = https://numpy.org/doc/stable/release/1.3.0-notes.html
|accessdate = 2024-01-18
|archive-date = 2023-12-26
|archive-url = https://web.archive.org/web/20231226210132/https://numpy.org/doc/stable/release/1.3.0-notes.html
|url-status = live
}}</ref>. Поддержка Python v3 была добавлена начиная с версии 1.5.0.<ref>{{cite web
|title = NumPy 1.5.0 Release Notes
|url = https://numpy.org/doc/stable/release/1.5.0-notes.html
|accessdate = 2024-01-18
|archive-date = 2023-11-22
|archive-url = https://web.archive.org/web/20231122165826/https://numpy.org/doc/stable/release/1.5.0-notes.html
|url-status = live
}}</ref>

Библиотека NumPy v.1.26.0 выпущена [[16 сентября]] [[2023 год]]а и поддерживает Python 3.12<ref>{{cite web
|title = NumPy 1.26.0 Release Notes
|url = https://numpy.org/doc/stable/release/1.26.0-notes.html
|accessdate = 2024-01-18
|archive-date = 2023-12-26
|archive-url = https://web.archive.org/web/20231226204750/https://numpy.org/doc/stable/release/1.26.0-notes.html
|url-status = live
}}</ref>.
Особенностью данного релиза являются:
* Поддержка Python 3.12.0
* Совместимость с Cython 3.0.0
* Использование системы сборки [[Meson_(система_сборки)|Meson]]
* Обновлена поддержка архитектуры [[SIMD]]
* Исправления для f2py, поддержка meson и bind(x)
* Поддержка для обновленной библиотекки Accelerate [[Basic_Linear_Algebra_Subprograms|BLAS]]/[[LAPACK]]
Версии Python, поддерживаемые в данном релизе: от 3.9 до 3.12.


== См. также ==
== См. также ==
* [[Matplotlib]]
* [[Matplotlib]]
* [[SciPy]]
* [[SciPy]]
* [[Theano]]


== Примечания ==
== Примечания ==
Строка 65: Строка 140:


== Ссылки ==
== Ссылки ==
* [http://www.numpy.org/ Домашняя страница NumPy]
* [http://www.numpy.org/ Официальный сайт NumPy].
* [https://pyprog.pro/ pyprog.pro] (русскоязычный ресурс о NumPy)
* [http://scipy.org/NumPy NumPy Project Homepage]
:* [http://www.scipy.org/History_of_SciPy/ History of SciPy]
* [https://web.archive.org/web/20080316030800/http://www.scipy.org/NumPy NumPy Project Homepage]

:* [http://www.scipy.org/Cookbook/BuildingArrays Введение в объекты массива NumPy]
:* [https://web.archive.org/web/20070927015018/http://www.scipy.org/History_of_SciPy/ History of SciPy]{{ref-en}}
:* [http://wiki.scipy.org/Numpy_Example_List_With_Doc NumPy список примеров]
:* [http://www.scipy.org/Cookbook/BuildingArrays Building Arrays]{{ref-en}}
:* [https://web.archive.org/web/20130615013146/http://wiki.scipy.org/Numpy_Example_List_With_Doc Numpy Example List With Doc]{{ref-en}}

== Литература ==
* {{книга
| автор = Андреас Мюллер, Сара Гвидо
| заглавие = Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными
| оригинал = Introduction to Machine Learning with Python: A Guide for Data Scientists
| издание =
| издательство = [[Вильямс (издательство)|Вильямс]]
| год = 2017
| страниц = 480
| isbn = 978-5-9908910-8-1, 978-1-449-36941-5
}}
* {{книга
| автор = Дж. Вандер Плас
| заглавие = Python для сложных задач. Наука о данных и машинное обучение
| оригинал = Python Data Science Handbook: Essential Tools for Working with Data
| издание =
| издательство = [[Питер (издательство)|Питер]]
| год = 2017
| страниц = 576
| isbn = 978-5-496-03068-7
}}

{{Python}}
{{Научное программное обеспечение на Python}}


[[Категория:Библиотеки Python]]
[[Категория:Библиотеки Python]]

Текущая версия от 04:26, 29 января 2024

NumPy
Логотип программы NumPy
Скриншот программы NumPy
Тип Python-библиотека[вд] и математическое ПО[вд]
Автор Трэвис Олифант
Разработчики Трэвис Олифант, Charles R. Harris[вд], Eric Wieser[вд], Pauli Virtanen[вд] и Matti Picus[вд]
Написана на Python, Си[2] и Фортран
Операционные системы Unix-подобная операционная система, macOS и Windows
Первый выпуск 1995
Последняя версия
Репозиторий github.com/numpy/numpy
Лицензия модифицированная лицензия BSD[вд][3]
Сайт numpy.org (англ.)​ (яп.)​ (порт.)
Логотип Викисклада Медиафайлы на Викискладе

NumPy (сокращенно от Numerical Python)— библиотека с открытым исходным кодом для языка программирования Python. Возможности:

Назначение

[править | править код]

Математические алгоритмы, реализованные на интерпретируемых языках (например, Python), часто работают гораздо медленнее тех же алгоритмов, реализованных на компилируемых языках (например, Фортран, Си, Java). Библиотека NumPy предоставляет реализации вычислительных алгоритмов (в виде функций и операторов), оптимизированные для работы с многомерными массивами. В результате любой алгоритм, который может быть выражен в виде последовательности операций над массивами (матрицами) и реализованный с использованием NumPy, работает так же быстро, как эквивалентный код, выполняемый в MATLAB[4].

Сравнение с MATLAB

[править | править код]

NumPy можно рассматривать как свободную альтернативу MATLAB. Язык программирования MATLAB внешне напоминает NumPy: оба они интерпретируемые, оба позволяют выполнять операции над массивами (матрицами), а не над скалярами. Преимущество MATLAB в наличии большого количества пакетов («тулбоксов»), например, Simulink[англ.]. Для NumPy тоже существуют подобные «пакеты», например, библиотека SciPy предоставляет больше MATLAB-подобной функциональности, библиотека Matplotlib позволяет создавать графики в стиле MATLAB. И MATLAB, и NumPy для решения основных задач линейной алгебры используют код, основанный на коде библиотеки LAPACK.

Пример

[править | править код]

Рассмотрим пример работы с NumPy в интерактивной оболочке IPython.

Запуск iPython из командной строки: 

ipython

Код на языке Python, с использованием библиотек numpy и matplotlib: 

import numpy as np
import matplotlib.pyplot as plt

# функция y = sin(x)
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
# нарисовать график в виде отдельных точек, в форме "o"
plt.plot(x, y,"ro")

# сохранить рисунок в формат SVG 
plt.savefig('matplotlib_sin_x_red_dots.svg')

# показать интерактивное окно с графиком
plt.show()

В результате выполнения кода на языке Python и использованием библиотек NumPy и Matplotlib будет создан график, приведённый на рисунке.

График функции sin(x), построенный с использованием библиотек NumPy и Matplotlib
График функции y=sin(x), построенный с использованием библиотек NumPy и Matplotlib

История

[править | править код]

В 1995 году программист Jim Hugunin написал библиотеку Numeric для языка Python. Библиотека развивалась при участии многих людей, среди которых были Jim Fulton, David Ascher, Paul DuBois и Konrad Hinsen. Библиотека доступна по сей день, считается вполне стабильной и полной, но устаревшей.

Предлагалось добавить Numeric в стандартную библиотеку языка Python, но Гвидо Ван Россум (автор языка программирования Python) чётко дал понять, что код в его тогдашнем состоянии было невозможно поддерживать.

Кроме того, библиотека Numeric медленно обрабатывала большие массивы данных.

На основе библиотеки Numeric была создана библиотека NumArray. Код Numeric был полностью переписан.

Библиотека NumArray[5] обрабатывала большие массивы данных быстрее библиотеки Numeric, но малые массивы обрабатывала медленнее.

Некоторое время использовалась и библиотека Numeric, и библиотека NumArray. Последняя версия Numeric (v24.2) была выпущена 11 ноября 2005 года. Последняя версия NumArray (v1.5.2) вышла 24 августа 2006 года[6]. Библиотека NumArray более не рекомендуется к использованию[7].

В начале 2005 года программист Трэвис Олифант захотел объединить сообщество вокруг одного проекта и для замены библиотек Numeric и NumArray создал библиотеку NumPy. NumPy был создан на основе кода Numeric. Код Numeric был переписан так, чтобы его было легче поддерживать, и в библиотеку можно было добавить новые возможности. Возможности NumArray были добавлены в NumPy.

Изначально NumPy был частью библиотеки SciPy. Чтобы позволить другим проектам использовать библиотеку NumPy, её код был помещён в отдельный пакет.

Исходный код NumPy находится в открытом доступе. Существует большое количество документации. Имеется даже подробный «Путеводитель по NumPy»[8].

NumPy v1.3.0 выпущен 5 апреля 2009 года и поддерживает Python v2.6[9]. Поддержка Python v3 была добавлена начиная с версии 1.5.0.[10]

Библиотека NumPy v.1.26.0 выпущена 16 сентября 2023 года и поддерживает Python 3.12[11]. Особенностью данного релиза являются:

  • Поддержка Python 3.12.0
  • Совместимость с Cython 3.0.0
  • Использование системы сборки Meson
  • Обновлена поддержка архитектуры SIMD
  • Исправления для f2py, поддержка meson и bind(x)
  • Поддержка для обновленной библиотекки Accelerate BLAS/LAPACK

Версии Python, поддерживаемые в данном релизе: от 3.9 до 3.12.

См. также

[править | править код]

Примечания

[править | править код]
  1. ↑ Release 2.1.3 — 2024.
  2. ↑ The numpy Open Source Project on Open Hub: Languages Page — 2006.
  3. ↑ https://github.com/numpy/numpy/blob/master/LICENSE.txt
  4. ↑ SciPy PerformancePython. Дата обращения: 25 июня 2006. Архивировано 3 апреля 2012 года.
  5. ↑ numarray: A New Scientific Array Package for Python. Дата обращения: 18 января 2024. Архивировано 18 января 2024 года.
  6. ↑ NumPy Sourceforge Files. Дата обращения: 24 марта 2008. Архивировано 3 апреля 2012 года.
  7. ↑ Numarray Homepage. Дата обращения: 24 июня 2006. Архивировано 9 июня 2021 года.
  8. ↑ Oliphant, Travis E. Guide to NumPy (неопр.). Архивировано 7 марта 2016 года.
  9. ↑ NumPy 1.3.0 Release Notes. Дата обращения: 18 января 2024. Архивировано 26 декабря 2023 года.
  10. ↑ NumPy 1.5.0 Release Notes. Дата обращения: 18 января 2024. Архивировано 22 ноября 2023 года.
  11. ↑ NumPy 1.26.0 Release Notes. Дата обращения: 18 января 2024. Архивировано 26 декабря 2023 года.

Ссылки

[править | править код]

Литература

[править | править код]
  • Андреас Мюллер, Сара Гвидо. Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными = Introduction to Machine Learning with Python: A Guide for Data Scientists. — Вильямс, 2017. — 480 с. — ISBN 978-5-9908910-8-1, 978-1-449-36941-5.
  • Дж. Вандер Плас. Python для сложных задач. Наука о данных и машинное обучение = Python Data Science Handbook: Essential Tools for Working with Data. — Питер, 2017. — 576 с. — ISBN 978-5-496-03068-7.
Источник — https://ru.wikipedia.org/ruwiki/w/index.php?title=NumPy&oldid=135850101