Post#چالش_پایتون_در_هوش_مصنوعی

#چالش_پایتون_در_هوش_مصنوعی 🧠 قسمت ۷: آشنایی با NumPy ➕ سلام دوستان! 👋 امروز می‌خوایم وارد دنیای NumPy بشیم. این کتابخونه یکی از مهم‌ترین ابزارها برای کار با اعداد، آرایه‌ها و محاسبات ریاضی در پایتونه. 🚀 --- ۱. نصب NumPy اگر نصب نکردی، با این دستور می‌تونی نصبش کنی: pip install numpy --- ۲. وارد کردن NumPy import numpy as np ✅ معمولاً با اسم کوتاه np صداش می‌کنیم. --- ۳. ساخت آرایه (Array) * آرایه‌ها تو NumPy مثل لیست‌های پایتون هستن ولی خیلی سریع‌تر و حرفه‌ای‌تر! import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr) --- ۴. عملیات ریاضی روی آرایه‌ها می‌تونیم مستقیم روی همه عناصر محاسبات انجام بدیم: arr = np.array([10, 20, 30]) print(arr + 5) # جمع با همه عناصر print(arr * 2) # ضرب در همه عناصر print(arr / 10) # تقسیم همه عناصر --- ۵. آرایه‌های چندبعدی (Matrix) matrix = np.array([[1, 2], [3, 4]]) print("ماتریس:\n", matrix) print("شکل:", matrix.shape) print("جمع همه عناصر:", matrix.sum()) --- ۶. توابع آماده NumPy arr = np.array([1, 2, 3, 4, 5]) print("میانگین:", np.mean(arr)) print("بیشترین مقدار:", np.max(arr)) print("کمترین مقدار:", np.min(arr)) --- ۷. پروژه کوچک محاسبه معدل نمرات با NumPy: grades = np.array([18, 15, 20, 12, 19]) average = np.mean(grades) print("معدل دانش‌آموز =", average) --- 👀 قسمت بعدی: آشنایی با Pandas 🗂 🗂 مرکز آموزش پایتون ➖➖➖➖➖➖➖➖ @pythonchallenge