numpy

numpy bietet den array als zentrale Datenstruktur. Mit ihm lassen sich numerische Daten effizient im Arbeitsspeicher (RAM) erstellen, ein- und auslesen, bearbeiten und aggregieren.

Numpy bietet neben dem array viele Funktionen an, mit denen sich effizient Berechnungen auf diesen durchführen lassen können. Außerdem wird die klassische Matrizenrechnung unterstützt.

# import the library and give it a shorter name 'np'
import numpy as np

# create 100 randomly distributed numbers
X = np.random.normal(size=100)

# transform X into a 2-dimensional array of size 20x5
X.reshape((20, 5))

# calculate the matrix dot product: X*X', where X' is the transpose of X
X.dot(X.T)

Beispielsweise kann ein Bild als dreidimensionales numpy array dargestellt werden: Die ersten zwei Dimensionen beschreiben die Farbintensität der Pixel auf einer zweidimensionalen Fläche. Die dritte Dimension speichert die jeweiligen Pixelwerte für die Farbkanäle rot, grün und blau.