در این مطلب، ویدئو آموزش NumPy قسمت – 1 | NumPy Array | آموزش پایتون NumPy قسمت -1| آموزش پایتون | Simplile Learn با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:30:53
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:02,780 –> 00:00:06,000
2
00:00:06,000 –> 00:00:07,799
3
00:00:07,799 –> 00:00:12,210
4
00:00:12,210 –> 00:00:14,580
5
00:00:14,580 –> 00:00:17,340
6
00:00:17,340 –> 00:00:19,380
7
00:00:19,380 –> 00:00:22,080
8
00:00:22,080 –> 00:00:25,769
9
00:00:25,769 –> 00:00:28,710
10
00:00:28,710 –> 00:00:31,140
11
00:00:31,140 –> 00:00:34,290
12
00:00:34,290 –> 00:00:37,440
13
00:00:37,440 –> 00:00:39,989
14
00:00:39,989 –> 00:00:43,530
15
00:00:43,530 –> 00:00:45,780
16
00:00:45,780 –> 00:00:48,210
17
00:00:48,210 –> 00:00:49,670
18
00:00:49,670 –> 00:00:51,809
19
00:00:51,809 –> 00:00:53,969
20
00:00:53,969 –> 00:00:56,129
21
00:00:56,129 –> 00:00:59,070
22
00:00:59,070 –> 00:01:01,140
23
00:01:01,140 –> 00:01:03,660
24
00:01:03,660 –> 00:01:04,949
25
00:01:04,949 –> 00:01:07,320
26
00:01:07,320 –> 00:01:08,520
27
00:01:08,520 –> 00:01:11,130
28
00:01:11,130 –> 00:01:13,530
29
00:01:13,530 –> 00:01:16,530
30
00:01:16,530 –> 00:01:19,439
31
00:01:19,439 –> 00:01:22,619
32
00:01:22,619 –> 00:01:24,330
33
00:01:24,330 –> 00:01:26,220
34
00:01:26,220 –> 00:01:30,329
35
00:01:30,329 –> 00:01:32,790
36
00:01:32,790 –> 00:01:34,320
37
00:01:34,320 –> 00:01:35,850
38
00:01:35,850 –> 00:01:38,100
39
00:01:38,100 –> 00:01:39,990
40
00:01:39,990 –> 00:01:41,939
41
00:01:41,939 –> 00:01:46,380
42
00:01:46,380 –> 00:01:49,020
43
00:01:49,020 –> 00:01:50,610
44
00:01:50,610 –> 00:01:52,530
45
00:01:52,530 –> 00:01:54,299
46
00:01:54,299 –> 00:01:56,280
47
00:01:56,280 –> 00:01:58,320
48
00:01:58,320 –> 00:02:00,420
49
00:02:00,420 –> 00:02:03,930
50
00:02:03,930 –> 00:02:06,450
51
00:02:06,450 –> 00:02:08,520
52
00:02:08,520 –> 00:02:11,250
53
00:02:11,250 –> 00:02:13,440
54
00:02:13,440 –> 00:02:15,000
55
00:02:15,000 –> 00:02:17,370
56
00:02:17,370 –> 00:02:22,050
57
00:02:22,050 –> 00:02:24,900
58
00:02:24,900 –> 00:02:26,400
59
00:02:26,400 –> 00:02:28,890
60
00:02:28,890 –> 00:02:30,750
61
00:02:30,750 –> 00:02:33,450
62
00:02:33,450 –> 00:02:35,160
63
00:02:35,160 –> 00:02:36,990
64
00:02:36,990 –> 00:02:39,420
65
00:02:39,420 –> 00:02:40,590
66
00:02:40,590 –> 00:02:42,720
67
00:02:42,720 –> 00:02:43,860
68
00:02:43,860 –> 00:02:45,480
69
00:02:45,480 –> 00:02:49,290
70
00:02:49,290 –> 00:02:52,410
71
00:02:52,410 –> 00:02:54,120
72
00:02:54,120 –> 00:02:56,010
73
00:02:56,010 –> 00:02:57,090
74
00:02:57,090 –> 00:02:58,530
75
00:02:58,530 –> 00:03:00,570
76
00:03:00,570 –> 00:03:02,940
77
00:03:02,940 –> 00:03:04,890
78
00:03:04,890 –> 00:03:06,930
79
00:03:06,930 –> 00:03:08,610
80
00:03:08,610 –> 00:03:10,530
81
00:03:10,530 –> 00:03:13,260
82
00:03:13,260 –> 00:03:15,660
83
00:03:15,660 –> 00:03:17,550
84
00:03:17,550 –> 00:03:18,959
85
00:03:18,959 –> 00:03:20,700
86
00:03:20,700 –> 00:03:22,860
87
00:03:22,860 –> 00:03:25,410
88
00:03:25,410 –> 00:03:27,090
89
00:03:27,090 –> 00:03:28,620
90
00:03:28,620 –> 00:03:31,170
91
00:03:31,170 –> 00:03:32,970
92
00:03:32,970 –> 00:03:36,209
93
00:03:36,209 –> 00:03:38,459
94
00:03:38,459 –> 00:03:41,010
95
00:03:41,010 –> 00:03:42,600
96
00:03:42,600 –> 00:03:43,860
97
00:03:43,860 –> 00:03:45,810
98
00:03:45,810 –> 00:03:47,370
99
00:03:47,370 –> 00:03:49,620
100
00:03:49,620 –> 00:03:51,900
101
00:03:51,900 –> 00:03:54,660
102
00:03:54,660 –> 00:03:57,360
103
00:03:57,360 –> 00:03:58,950
104
00:03:58,950 –> 00:04:00,810
105
00:04:00,810 –> 00:04:04,380
106
00:04:04,380 –> 00:04:05,850
107
00:04:05,850 –> 00:04:07,950
108
00:04:07,950 –> 00:04:09,390
109
00:04:09,390 –> 00:04:11,160
110
00:04:11,160 –> 00:04:12,540
111
00:04:12,540 –> 00:04:14,340
112
00:04:14,340 –> 00:04:15,690
113
00:04:15,690 –> 00:04:17,160
114
00:04:17,160 –> 00:04:19,320
115
00:04:19,320 –> 00:04:21,660
116
00:04:21,660 –> 00:04:23,190
117
00:04:23,190 –> 00:04:25,410
118
00:04:25,410 –> 00:04:26,820
119
00:04:26,820 –> 00:04:28,590
120
00:04:28,590 –> 00:04:31,110
121
00:04:31,110 –> 00:04:34,260
122
00:04:34,260 –> 00:04:36,870
123
00:04:36,870 –> 00:04:38,610
124
00:04:38,610 –> 00:04:41,990
125
00:04:41,990 –> 00:04:44,610
126
00:04:44,610 –> 00:04:46,260
127
00:04:46,260 –> 00:04:47,700
128
00:04:47,700 –> 00:04:49,140
129
00:04:49,140 –> 00:04:52,140
130
00:04:52,140 –> 00:04:53,490
131
00:04:53,490 –> 00:04:56,610
132
00:04:56,610 –> 00:04:58,770
133
00:04:58,770 –> 00:04:59,970
134
00:04:59,970 –> 00:05:02,250
135
00:05:02,250 –> 00:05:05,460
136
00:05:05,460 –> 00:05:07,890
137
00:05:07,890 –> 00:05:09,810
138
00:05:09,810 –> 00:05:12,750
139
00:05:12,750 –> 00:05:14,610
140
00:05:14,610 –> 00:05:17,430
141
00:05:17,430 –> 00:05:19,350
142
00:05:19,350 –> 00:05:21,570
143
00:05:21,570 –> 00:05:24,630
144
00:05:24,630 –> 00:05:26,580
145
00:05:26,580 –> 00:05:29,070
146
00:05:29,070 –> 00:05:31,230
147
00:05:31,230 –> 00:05:33,900
148
00:05:33,900 –> 00:05:36,480
149
00:05:36,480 –> 00:05:38,400
150
00:05:38,400 –> 00:05:40,590
151
00:05:40,590 –> 00:05:43,470
152
00:05:43,470 –> 00:05:44,880
153
00:05:44,880 –> 00:05:46,920
154
00:05:46,920 –> 00:05:48,780
155
00:05:48,780 –> 00:05:51,960
156
00:05:51,960 –> 00:05:53,730
157
00:05:53,730 –> 00:05:56,040
158
00:05:56,040 –> 00:05:58,890
159
00:05:58,890 –> 00:06:00,510
160
00:06:00,510 –> 00:06:02,040
161
00:06:02,040 –> 00:06:04,290
162
00:06:04,290 –> 00:06:07,980
163
00:06:07,980 –> 00:06:10,200
164
00:06:10,200 –> 00:06:12,660
165
00:06:12,660 –> 00:06:14,460
166
00:06:14,460 –> 00:06:16,740
167
00:06:16,740 –> 00:06:19,740
168
00:06:19,740 –> 00:06:22,080
169
00:06:22,080 –> 00:06:23,070
170
00:06:23,070 –> 00:06:26,220
171
00:06:26,220 –> 00:06:29,100
172
00:06:29,100 –> 00:06:30,060
173
00:06:30,060 –> 00:06:32,190
174
00:06:32,190 –> 00:06:34,020
175
00:06:34,020 –> 00:06:36,860
176
00:06:37,090 –> 00:06:38,740
177
00:06:38,740 –> 00:06:42,630
178
00:06:42,630 –> 00:06:45,970
179
00:06:45,970 –> 00:06:48,160
180
00:06:48,160 –> 00:06:49,780
181
00:06:49,780 –> 00:06:51,850
182
00:06:51,850 –> 00:06:54,310
183
00:06:54,310 –> 00:06:55,270
184
00:06:55,270 –> 00:06:57,000
185
00:06:57,000 –> 00:06:59,919
186
00:06:59,919 –> 00:07:03,880
187
00:07:03,880 –> 00:07:06,729
188
00:07:06,729 –> 00:07:09,070
189
00:07:09,070 –> 00:07:11,470
190
00:07:11,470 –> 00:07:14,770
191
00:07:14,770 –> 00:07:16,780
192
00:07:16,780 –> 00:07:18,850
193
00:07:18,850 –> 00:07:20,800
194
00:07:20,800 –> 00:07:24,760
195
00:07:24,760 –> 00:07:27,100
196
00:07:27,100 –> 00:07:28,510
197
00:07:28,510 –> 00:07:29,860
198
00:07:29,860 –> 00:07:31,630
199
00:07:31,630 –> 00:07:33,430
200
00:07:33,430 –> 00:07:36,310
201
00:07:36,310 –> 00:07:38,020
202
00:07:38,020 –> 00:07:39,520
203
00:07:39,520 –> 00:07:40,990
204
00:07:40,990 –> 00:07:43,720
205
00:07:43,720 –> 00:07:45,070
206
00:07:45,070 –> 00:07:47,110
207
00:07:47,110 –> 00:07:49,419
208
00:07:49,419 –> 00:07:51,370
209
00:07:51,370 –> 00:07:53,229
210
00:07:53,229 –> 00:07:55,360
211
00:07:55,360 –> 00:07:58,320
212
00:07:58,320 –> 00:08:03,370
213
00:08:03,370 –> 00:08:06,930
214
00:08:06,930 –> 00:08:10,330
215
00:08:10,330 –> 00:08:11,830
216
00:08:11,830 –> 00:08:16,000
217
00:08:16,000 –> 00:08:20,320
218
00:08:20,320 –> 00:08:22,030
219
00:08:22,030 –> 00:08:24,849
220
00:08:24,849 –> 00:08:26,530
221
00:08:26,530 –> 00:08:26,889
222
00:08:26,889 –> 00:08:28,419
223
00:08:28,419 –> 00:08:30,550
224
00:08:30,550 –> 00:08:32,620
225
00:08:32,620 –> 00:08:35,559
226
00:08:35,559 –> 00:08:38,110
227
00:08:38,110 –> 00:08:40,299
228
00:08:40,299 –> 00:08:42,760
229
00:08:42,760 –> 00:08:46,690
230
00:08:46,690 –> 00:08:48,779
231
00:08:48,779 –> 00:08:51,870
232
00:08:51,870 –> 00:08:54,029
233
00:08:54,029 –> 00:08:55,980
234
00:08:55,980 –> 00:08:58,139
235
00:08:58,139 –> 00:09:01,170
236
00:09:01,170 –> 00:09:04,620
237
00:09:04,620 –> 00:09:06,660
238
00:09:06,660 –> 00:09:09,209
239
00:09:09,209 –> 00:09:11,689
240
00:09:11,689 –> 00:09:15,959
241
00:09:15,959 –> 00:09:18,779
242
00:09:18,779 –> 00:09:22,680
243
00:09:22,680 –> 00:09:29,009
244
00:09:29,009 –> 00:09:31,050
245
00:09:31,050 –> 00:09:33,899
246
00:09:33,899 –> 00:09:36,389
247
00:09:36,389 –> 00:09:39,060
248
00:09:39,060 –> 00:09:40,769
249
00:09:40,769 –> 00:09:43,410
250
00:09:43,410 –> 00:09:47,040
251
00:09:47,040 –> 00:09:51,209
252
00:09:51,209 –> 00:09:53,250
253
00:09:53,250 –> 00:09:54,779
254
00:09:54,779 –> 00:09:56,430
255
00:09:56,430 –> 00:10:00,600
256
00:10:00,600 –> 00:10:02,790
257
00:10:02,790 –> 00:10:04,860
258
00:10:04,860 –> 00:10:07,050
259
00:10:07,050 –> 00:10:09,870
260
00:10:09,870 –> 00:10:14,880
261
00:10:14,880 –> 00:10:17,570
262
00:10:18,710 –> 00:10:21,830
263
00:10:21,830 –> 00:10:30,850
264
00:10:30,850 –> 00:10:37,119
265
00:10:37,119 –> 00:10:43,019
266
00:10:43,019 –> 00:10:48,279
267
00:10:48,279 –> 00:10:50,789
268
00:10:50,880 –> 00:10:52,620
269
00:10:52,620 –> 00:10:54,360
270
00:10:54,360 –> 00:10:57,240
271
00:10:57,240 –> 00:10:59,730
272
00:10:59,730 –> 00:11:01,139
273
00:11:01,139 –> 00:11:04,550
274
00:11:04,770 –> 00:11:08,700
275
00:11:08,980 –> 00:11:11,980
276
00:11:11,980 –> 00:11:14,290
277
00:11:14,290 –> 00:11:15,990
278
00:11:15,990 –> 00:11:18,970
279
00:11:18,970 –> 00:11:22,870
280
00:11:22,870 –> 00:11:24,460
281
00:11:24,460 –> 00:11:27,940
282
00:11:27,940 –> 00:11:32,440
283
00:11:32,440 –> 00:11:35,980
284
00:11:35,980 –> 00:11:44,740
285
00:11:44,740 –> 00:11:47,890
286
00:11:47,890 –> 00:11:49,420
287
00:11:49,420 –> 00:11:50,800
288
00:11:50,800 –> 00:11:54,579
289
00:11:54,579 –> 00:11:56,819
290
00:11:56,819 –> 00:11:59,619
291
00:11:59,619 –> 00:12:02,309
292
00:12:02,309 –> 00:12:07,869
293
00:12:07,869 –> 00:12:09,310
294
00:12:09,310 –> 00:12:14,740
295
00:12:14,740 –> 00:12:16,810
296
00:12:16,810 –> 00:12:18,870
297
00:12:18,870 –> 00:12:23,550
298
00:12:23,550 –> 00:12:26,260
299
00:12:26,260 –> 00:12:29,620
300
00:12:29,620 –> 00:12:32,590
301
00:12:32,590 –> 00:12:34,120
302
00:12:34,120 –> 00:12:36,730
303
00:12:36,730 –> 00:12:40,060
304
00:12:40,060 –> 00:12:42,850
305
00:12:42,850 –> 00:12:45,730
306
00:12:45,730 –> 00:12:49,530
307
00:12:49,530 –> 00:12:51,640
308
00:12:51,640 –> 00:12:52,840
309
00:12:52,840 –> 00:12:55,750
310
00:12:55,750 –> 00:12:57,190
311
00:12:57,190 –> 00:13:01,150
312
00:13:01,150 –> 00:13:02,620
313
00:13:02,620 –> 00:13:04,460
314
00:13:04,460 –> 00:13:07,160
315
00:13:07,160 –> 00:13:08,450
316
00:13:08,450 –> 00:13:09,740
317
00:13:09,740 –> 00:13:11,690
318
00:13:11,690 –> 00:13:13,640
319
00:13:13,640 –> 00:13:16,070
320
00:13:16,070 –> 00:13:18,770
321
00:13:18,770 –> 00:13:20,720
322
00:13:20,720 –> 00:13:22,040
323
00:13:22,040 –> 00:13:23,750
324
00:13:23,750 –> 00:13:26,000
325
00:13:26,000 –> 00:13:29,720
326
00:13:29,720 –> 00:13:33,230
327
00:13:33,230 –> 00:13:34,970
328
00:13:34,970 –> 00:13:36,920
329
00:13:36,920 –> 00:13:39,170
330
00:13:39,170 –> 00:13:40,610
331
00:13:40,610 –> 00:13:42,950
332
00:13:42,950 –> 00:13:46,339
333
00:13:46,339 –> 00:13:49,279
334
00:13:49,279 –> 00:13:50,959
335
00:13:50,959 –> 00:13:54,020
336
00:13:54,020 –> 00:13:56,360
337
00:13:56,360 –> 00:13:58,520
338
00:13:58,520 –> 00:13:59,930
339
00:13:59,930 –> 00:14:02,060
340
00:14:02,060 –> 00:14:04,640
341
00:14:04,640 –> 00:14:08,770
342
00:14:08,770 –> 00:14:11,300
343
00:14:11,300 –> 00:14:17,570
344
00:14:17,570 –> 00:14:19,480
345
00:14:19,480 –> 00:14:23,720
346
00:14:23,720 –> 00:14:27,170
347
00:14:27,170 –> 00:14:29,510
348
00:14:29,510 –> 00:14:31,970
349
00:14:31,970 –> 00:14:35,029
350
00:14:35,029 –> 00:14:37,490
351
00:14:37,490 –> 00:14:39,080
352
00:14:39,080 –> 00:14:40,490
353
00:14:40,490 –> 00:14:41,690
354
00:14:41,690 –> 00:14:43,910
355
00:14:43,910 –> 00:14:46,190
356
00:14:46,190 –> 00:14:48,589
357
00:14:48,589 –> 00:14:49,579
358
00:14:49,579 –> 00:14:51,230
359
00:14:51,230 –> 00:14:54,230
360
00:14:54,230 –> 00:14:56,510
361
00:14:56,510 –> 00:14:58,430
362
00:14:58,430 –> 00:15:00,140
363
00:15:00,140 –> 00:15:02,959
364
00:15:02,959 –> 00:15:04,730
365
00:15:04,730 –> 00:15:08,510
366
00:15:08,510 –> 00:15:11,360
367
00:15:11,360 –> 00:15:12,860
368
00:15:12,860 –> 00:15:14,029
369
00:15:14,029 –> 00:15:16,339
370
00:15:16,339 –> 00:15:18,769
371
00:15:18,769 –> 00:15:22,040
372
00:15:22,040 –> 00:15:24,350
373
00:15:24,350 –> 00:15:29,079
374
00:15:29,079 –> 00:15:32,959
375
00:15:32,959 –> 00:15:36,040
376
00:15:36,040 –> 00:15:39,579
377
00:15:39,579 –> 00:15:41,949
378
00:15:41,949 –> 00:15:43,870
379
00:15:43,870 –> 00:15:46,149
380
00:15:46,149 –> 00:15:48,790
381
00:15:48,790 –> 00:15:50,440
382
00:15:50,440 –> 00:15:52,630
383
00:15:52,630 –> 00:15:54,399
384
00:15:54,399 –> 00:15:57,730
385
00:15:57,730 –> 00:16:00,370
386
00:16:00,370 –> 00:16:01,839
387
00:16:01,839 –> 00:16:03,819
388
00:16:03,819 –> 00:16:06,730
389
00:16:06,730 –> 00:16:09,029
390
00:16:09,029 –> 00:16:13,269
391
00:16:13,269 –> 00:16:15,579
392
00:16:15,579 –> 00:16:17,649
393
00:16:17,649 –> 00:16:19,779
394
00:16:19,779 –> 00:16:21,670
395
00:16:21,670 –> 00:16:24,160
396
00:16:24,160 –> 00:16:27,459
397
00:16:27,459 –> 00:16:29,980
398
00:16:29,980 –> 00:16:30,589
399
00:16:30,589 –> 00:16:32,959
400
00:16:32,959 –> 00:16:35,180
401
00:16:35,180 –> 00:16:39,170
402
00:16:39,170 –> 00:16:40,970
403
00:16:40,970 –> 00:16:43,939
404
00:16:43,939 –> 00:16:46,310
405
00:16:46,310 –> 00:16:48,769
406
00:16:48,769 –> 00:16:51,259
407
00:16:51,259 –> 00:16:52,759
408
00:16:52,759 –> 00:16:54,050
409
00:16:54,050 –> 00:16:55,459
410
00:16:55,459 –> 00:16:58,550
411
00:16:58,550 –> 00:17:00,019
412
00:17:00,019 –> 00:17:02,809
413
00:17:02,809 –> 00:17:05,000
414
00:17:05,000 –> 00:17:07,309
415
00:17:07,309 –> 00:17:09,970
416
00:17:09,970 –> 00:17:13,449
417
00:17:13,940 –> 00:17:16,430
418
00:17:16,430 –> 00:17:18,819
419
00:17:18,819 –> 00:17:27,619
420
00:17:27,619 –> 00:17:29,720
421
00:17:29,720 –> 00:17:32,690
422
00:17:32,690 –> 00:17:38,030
423
00:17:38,030 –> 00:17:40,940
424
00:17:40,940 –> 00:17:42,230
425
00:17:42,230 –> 00:17:45,230
426
00:17:45,230 –> 00:17:48,200
427
00:17:48,200 –> 00:17:49,130
428
00:17:49,130 –> 00:17:50,870
429
00:17:50,870 –> 00:17:52,190
430
00:17:52,190 –> 00:17:54,050
431
00:17:54,050 –> 00:17:56,600
432
00:17:56,600 –> 00:17:59,450
433
00:17:59,450 –> 00:18:02,150
434
00:18:02,150 –> 00:18:06,500
435
00:18:06,500 –> 00:18:09,170
436
00:18:09,170 –> 00:18:11,180
437
00:18:11,180 –> 00:18:13,280
438
00:18:13,280 –> 00:18:15,380
439
00:18:15,380 –> 00:18:17,120
440
00:18:17,120 –> 00:18:18,740
441
00:18:18,740 –> 00:18:22,520
442
00:18:22,520 –> 00:18:24,800
443
00:18:24,800 –> 00:18:26,810
444
00:18:26,810 –> 00:18:29,210
445
00:18:29,210 –> 00:18:31,660
446
00:18:31,660 –> 00:18:34,550
447
00:18:34,550 –> 00:18:36,560
448
00:18:36,560 –> 00:18:40,070
449
00:18:40,070 –> 00:18:42,230
450
00:18:42,230 –> 00:18:44,690
451
00:18:44,690 –> 00:18:46,910
452
00:18:46,910 –> 00:18:50,240
453
00:18:50,240 –> 00:18:53,780
454
00:18:53,780 –> 00:18:54,950
455
00:18:54,950 –> 00:18:58,070
456
00:18:58,070 –> 00:18:59,540
457
00:18:59,540 –> 00:19:01,580
458
00:19:01,580 –> 00:19:03,230
459
00:19:03,230 –> 00:19:06,320
460
00:19:06,320 –> 00:19:08,540
461
00:19:08,540 –> 00:19:11,570
462
00:19:11,570 –> 00:19:16,580
463
00:19:16,580 –> 00:19:18,380
464
00:19:18,380 –> 00:19:21,670
465
00:19:21,670 –> 00:19:24,460
466
00:19:24,460 –> 00:19:26,650
467
00:19:26,650 –> 00:19:31,030
468
00:19:31,030 –> 00:19:33,420
469
00:19:33,420 –> 00:19:35,980
470
00:19:35,980 –> 00:19:37,360
471
00:19:37,360 –> 00:19:38,830
472
00:19:38,830 –> 00:19:41,710
473
00:19:41,710 –> 00:19:45,910
474
00:19:45,910 –> 00:19:48,550
475
00:19:48,550 –> 00:19:51,970
476
00:19:51,970 –> 00:19:54,760
477
00:19:54,760 –> 00:19:57,460
به numpy خوش آمدید نام من ریچارد کرشنر است با تیمی که به سادگی یاد گرفته است sww فقط یاد بگیرید comm دریافت گواهینامه دریافت کنید آنچه را که در آن برای شما مفید است به خوبی امروز ما می خواهیم قسمت اول Numpy را در یک مجموعه دو قسمتی انجام دهیم اکنون ما می رویم در مورد آنچه numpy است نصب یک آرایه اعداد numpy واردکننده آرایه numpy در مقابل پایتون لیست اصولی برای یافتن numpy اندازه و شکل هر محدوده آرایه و ترتیب توابع توابع رشته numpy و سپس قسمت دوم را به پوشش دستکاری آرایه محورها و موارد دیگر خواهیم پرداخت. بنابراین بیایید با چیزی شروع کنیم که num be num be کتابخانه اصلی برای محاسبات علمی و عددی در پایتون است و شیء آرایه چند بعدی با کارایی بالا و ابزارهایی برای کار با آرایه ها ارائه می دهد و من یک قدم جلوتر می روم و می گویم تعداد زیادی وجود دارد. ماژولهای دیگر در پایتون بر پایه numpy ساخته شدهاند، بنابراین اصول numpy برای پایتون بسیار مهم است زیرا میتوانید ماژولهای دیگر را درک کنید و آنچه را که آنها انجام میدهند، شی اصلی num beasts یک چند آرایه بعدی جدولی از عناصر است که معمولاً اعداد همه از یک نوع نمایه می شوند که توسط چندین اعداد صحیح در موقعیت نمایه می شوند. محور 0 1 2 3 4 5 و در اینجا می توانید ببینید که شکل 6 دارد چرا چون شش عنصر مختلف در آن در آرایه یک بعدی وجود دارد و آنها معمولاً نشان می دهند که 6 کاما با یک نت خالی در آنجا و سپس ما یک آرایه دو بعدی داشته باشید که در آن می توانید 0 1 2 3 4 5 6 7 را ببینید و در اینجا دو محور یا دو بعد داریم و شکل آن 2 4 است، بنابراین اگر به این موضوع به عنوان ماتریس یا سایر توابع ریاضی نگاه می کنید، می توانید از همه نوع اهمیت روی شکل استفاده کنید، ما امروز قصد نداریم شکل را پوشش دهیم، اما در قسمت 2 به این موضوع می پردازیم. اینجا چون ما در پایتون و دو تا از f من کار می کنیم ابزار مورد علاقه در پایتون کتاب مشتری بدون مشتری است و من دوست دارم از آن استفاده کنم که روی آناکوندا نشسته است و اگر به ارگ مشتری ورق بزنید که عبارت است از jup y te r dot org، می توانید به اینجا بروید، می توانید آن را از اینجا نصب کنید. نمیخواهید از نوتبوک Anaconda استفاده کنید، اما این تنظیمات مشتری است که مستندات مربوط به مشتری مشتری در مرورگر وب شما باز میشود و همین موضوع آن را بسیار زیبا میکند این است که قابل حمل بودن فایلها در رایانه شما ذخیره میشوند و با پایتون چشمی اجرا میشوند یا ironpython و شما می توانید انواع محیط های مختلف را در آنجا ایجاد کنید که من فقط در یک دقیقه به شما نشان خواهم داد من خودم دوست دارم از anaconda استفاده کنم که WWE anaconda comm است اگر anaconda را نصب کنید نوت بوک Jupiter را با آناکوندا جدا نصب می کند و می توانید نصب کنید. نوتبوک مشتری و او کاملاً جدا از آناکونداها اجرا میشود. همیشه خوب است من میتوانم نوتبوک مشتری خود را از اینجا راهاندازی کنم، میتوانم ابزارهای دیگری بیاورم تا آناکوندا کارهای بیشتری انجام دهد و در محیطهایی که من فقط یک محیط را دارم و میتوانم ترمینال مخصوص این محیط را باز کنم. Python 3 7 در آن جدیدترین نسخه در این آموزش و باز ترمینال است، اگر می خواهید نصب پیپ و مواردی از این قبیل را برای ماژول های مختلف انجام دهید، می توانید محیط های مختلفی را نیز در اینجا ایجاد کنید، بنابراین شاید به پایتون 3 6 نیاز داشته باشید. Python 3 5 می بینید که ما یک چارچوب خوب داریم مانند آناکوندا واقعاً به شما کمک می کند تا مجبور نباشید آن را به تنهایی در نوت بوک مشتری و تنظیمات مختلف نوت بوک مشتری خود چت کنید، ما این نوت بوک مشتری را راه اندازی خواهیم کرد. و سپس پنجره مرورگرم را برای خطای عمیق کروم تنظیم کردهام، بنابراین در کروم باز میشود و میتوانید اینجا را ببینید که پوشهای در رایانه من باز میشود، ما چند گزینه مختلف در اینجا داریم به یاد داشته باشید که envir را تنظیم کردم. به عنوان Python 3.7 شما ماژول های اضافی را نصب می کنید و قبلاً در پایتون خود روی آن نصب نشده اند و برای اینکه آنها را جدا نگه دارید بنابراین برای هر محیط باید دو ماژول جداگانه را نصب کنید تا آنها با محیط آنجا مطابقت داشته باشند و در اینجا ما مطابقت داشته باشند. چند چیز دارید که می توانیم جستجو کنیم چه چیزی در حال اجراست آیا پس ما سمت راست بالای جدید را داریم و از منوی کشویی پایتون 3 را می بینید و این یک پنجره جدید باز می کند و اکنون در پایتون مشتری هستیم، بنابراین این یک پنجره پایتون است و ما فقط یک پرینت انجام می دهیم و البته این یک دنیای hello است و ما آن را اجرا می کنیم و hello world را در خط فرمان چاپ می کنیم، چند چیز خاص وجود دارد که باید بدانید که ما امروز انجام نمی دهیم که اگر هرگز ندیده اید، روی گرافیک است. این یکی از کارهایی که می توانید انجام دهید این شما هستید همچنین می توانید یک Hello World مساوی انجام دهید و اگر فقط a را اکنون در آنجا قرار دهید، اگر یک دسته از اینها را انجام دهید که در آن یک Hello World مساوی داشته باشید B برابر است با جهان خداحافظ و یک be a را قرار دهید و سپس B را برگردانید، فقط آخرین مورد، اما اگر متغیر را در اینجا قرار دهید، می توانید اینجا را ببینید، به شما نشان می دهد که چه چیزی در آن متغیر است و این به نوت بوک مشتری در کدنویسی خطی مربوط می شود، بنابراین این خلاصه نویسی فوق العاده نوت بوک پایتون اصلی نیست. کمی پس به آرایه numpy numpy ما در مقابل لیست پایتون Python این لیست اصلی در پایتون شما است چرا باید از آرایه numpy استفاده کنیم وقتی لیست Python داریم خوب اول اینکه آرایه numpy در طول سالها و سالها بهینه شده است اما برنامه نویسان متعدد و معمولاً در مقایسه با راهاندازی لیست پایه پایتون بسیار سریع است و راحت است، بنابراین عملکردهای زیادی دارد، در لیست اصلی پایتون وجود ندارد و همچنین از حافظه کمتری استفاده میکند، بنابراین هم برای سرعت و هم برای استفاده از حافظه بهینه شده است. ادامه دهید و به دفترچه یادداشت مشتری خود بپرید زیرا ما در حال کدنویسی هستیم بهترین راه برای یادگیری کدنویسی کدنویسی است، درست مانند بهترین روشی که قرار است یاد بگیریم چگونه بنویسیم درست است و بهترین راه برای یادگیری نحوه آشپزی آشپزی است. بیایید امروز اینجا کدنویسی کنیم و درست مانند هر ماژول دیگری که باید numpy را وارد کنیم، تقریباً همیشه آن را مانند p وارد می کنیم که چنین استانداردی است، بنابراین خواهید دید که معمولاً ما می توانیم آن را اجرا کنیم و اکنون به numpy خود دسترسی داریم. ماژول در پایتون ما و سپس رایجترین کار البته این است که به جلو برویم و یک آرایه اعداد ایجاد کنیم و در اینجا میتوانیم یک لیست معمولی برای آن ارسال کنیم و بنابراین ادامه میدهیم و این یک آرایه معمولی را ارسال میکنیم، بیایید 1 2 3 به آن را ساده کنید و سپس من فقط یک را تایپ می کنم و این را اجرا می کنیم تا بتوانید در اینجا ببینید خروجی یک آرایه 1 2 3 است و همچنین می توانیم فقط یک یادآوری چاپ کنیم که این یک دستور درون خطی است. بنابراین اگر از ویرایشگر دیگری استفاده می کنید، کار نمی کند، می توانید این آرایه 1 2 3 را ببینید، اما ما می رویم و آن را بهعنوان یک ویژگی خوب رها کنید، شما میتوانید کارهایی را که واقعاً انجام میدهید و نوتبوک مشتری را ببینید و درست مانند همه آرایههای استاندارد دیگر شما میتوانم مقداری از 0 را انتخاب کنم که مقدار 1 خواهد بود البته ما این کار را انجام میدهیم. a از 1، اگر مقدار 2 در آن وجود داشته باشد، تمام راه را طی می کنید، بنابراین چه از آرایه numpy استفاده کنید یا از لیست پایه پایتون، یکسان خواهد بود و همه باید کاملا آشنا به نظر برسند و کاملاً ساده باشند به یاد داشته باشید که مقدار اول همیشه 0 است و وقتی آنجا می نشینیم، بیایید نگاهی بیندازیم که چرا از numpy استفاده می کنیم زیرا کمی اسلاید را مرور کردیم، فقط نگاهی بیندازیم و ببینیم که واقعاً چه شکلی است و می خواهیم به چه چیزی نگاه کنیم. این واقعیت است که سریع راحت است و از حافظه کمتری استفاده می کند، بنابراین بیایید نگاهی اجمالی به آن در کد بیندازیم و ببینیم هنگام نوشتن آن در پایتون چگونه به نظر می رسد و چه تفاوت هایی با هم دارند و برای انجام این کار من ادامه می دهم. و چند ماژول دیگر را وارد کنید که میخواهیم tim را وارد کنیم ماژول e تا بتوانیم آن را زمان بندی کنیم و ماژول سیستم را وارد می کنیم تا بتوانیم نگاهی به مقدار حافظه مصرفی آن بیندازیم و فقط آن ها را اجرا می کنیم تا وارد شوند تا B برابر شود محدوده 1 1000 خوب است و بنابراین لیستی از 1000 0 تا 999 عضو ایجاد می شود که از 0 شروع می شود و دقیقاً در 1000 متوقف می شود بدون اینکه واقعاً به 1000 برود و بیایید جلو برویم و چاپ کنیم ما می خواهیم نقطه سیستم را اندازه بگیریم و ما هر عدد صحیحی را انتخاب می کنیم زیرا می دانیم صفر تا هزار ما فقط یکی را در آنجا می اندازیم. یک عدد صحیح را ذخیره می کند و سپس ما می خواهیم پیوند بیت را داشته باشیم که تعداد اعداد صحیح در آنجا وجود دارد و اگر این را اجرا کنیم و این را در یک خط اجرا کنیم، خواهیم دید که اگر ضرب کنیم، کاما را اشتباه انجام دادم. آنها با هم می بینیم که 28000 تولید می کند بنابراین اندازه ای که ما به آن نگاه می کنیم 28000 است. بایتهای کلاهی که تقریباً درست به نظر میرسد، بنابراین بیایید ادامه دهیم و این را در numpy ایجاد کنیم و به عنوان C برابر NP و این یک محدوده است، بنابراین دستور عدد برای انجام همان کاری است که فقط در یک لیست انجام میدادیم و ما همچنین زمانی که مقدار C را برای C در نقطه P ایجاد کردیم، از همان مقدار در آنجا 1000 استفاده خواهیم کرد. بیایید به جلو برویم و چاپ کنیم و میتوانیم این کار را با اندازه C و اندازه C نقطه C به خوبی انجام دهیم که بسیار شبیه است. ما قبل از اینکه اندازه C را بدست آوریم، انجام دادیم، بنابراین اندازه C به اندازه آرایه است و اندازه هر آیتم فقط معکوس شده است، بنابراین اندازه یک عدد صحیح پنج است، اندازه آن اعداد صحیح و اندازه C خواهد بود، اجازه دهید نگاهی بیندازیم و ببینیم. چه چیزی تولید میکند و وای خوب، ما 4000 در مقابل 28000 گرفتیم، این تفاوت قابل توجهی در حافظه است که چقدر حافظه با آرایه استفاده میکنیم و سپس اجازه دهید به سرعت نگاهی بیندازیم، اجازه دهید آه بکشیم. آنقدر سریع اتفاق میافتد که NPR a مدام با صفر میآمد چون آن را به ا