**Biblioteki NumPy i Matplotlib

NumPy (Numerical Python) to podstawowa biblioteka w Pythonie dla obliczeń numerycznych. Centralnym elementem NumPy jest obiekt ndarray, czyli wielowymiarowa tablica. To właśnie na niej będziemy wykonywać większość naszych operacji. Zamiast operować na listach Pythona, NumPy pozwala na znacznie szybsze i efektywniejsze obliczenia, szczególnie w przypadku dużych zbiorów danych.

Tworzenie tablic NumPy:

import numpy as np

# Z listy:
lista = [1, 2, 3, 4, 5]
tablica = np.array(lista)
print(tablica)

# Z zakresu:
tablica_zakres = np.arange(0, 10, 2) # od 0 do 10 (nie włącznie), co 2
print(tablica_zakres)

# Z zerami:
tablica_z_zerami = np.zeros((2, 3)) # tablica 2x3 wypełniona zerami
print(tablica_z_zerami)

# Z jedynkami:
tablica_z_jedynkami = np.ones((3, 3))
print(tablica_z_jedynkami)

Podstawowe operacje na tablicach:

# Dodawanie:
tablica1 = np.array([1, 2, 3])
tablica2 = np.array([4, 5, 6])
wynik_dodawania = tablica1 + tablica2
print(wynik_dodawania)

# Mnożenie przez skalar:
tablica = np.array([1, 2, 3])
wynik_mnozenia = tablica * 2
print(wynik_mnozenia)

# Operacje element po elemencie:
tablica = np.array([1, 2, 3])
wynik_kwadratu = tablica ** 2
print(wynik_kwadratu)

W głębokim uczeniu często będziemy pracować z danymi w postaci wielowymiarowych tablic (np. obrazy jako tablice pikseli). NumPy umożliwia efektywne operacje na takich danych.

Tworzenie tablic wielowymiarowych:

import numpy as np

tablica_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(tablica_2d)
print(tablica_2d.shape) # Wyświetla rozmiar tablicy (wiersze, kolumny)

Indeksowanie i Wycinanie (Slicing):

# Dostęp do elementu:
element = tablica_2d[0, 1] # element z pierwszego wiersza, drugiej kolumny
print(element)

# Wycinanie wierszy:
wiersze = tablica_2d[0:2, :] # dwa pierwsze wiersze, wszystkie kolumny
print(wiersze)

# Wycinanie kolumn:
kolumny = tablica_2d[:, 0:2] # wszystkie wiersze, dwie pierwsze kolumny
print(kolumny)

Matplotlib to biblioteka do tworzenia wykresów i wizualizacji danych. Jest niezbędna do analizy danych i prezentacji wyników. Używamy jej do tworzenia wykresów liniowych, punktowych, słupkowych, histogramów i wielu innych.

import matplotlib.pyplot as plt

# Wykres liniowy:
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 1, 3, 5])
plt.plot(x, y)  # tworzy wykres
plt.title("Prosty Wykres")
plt.xlabel("Oś X")
plt.ylabel("Oś Y")
plt.show() # wyświetla wykres

# Wykres punktowy:
plt.scatter(x, y)
plt.title("Wykres Punktowy")
plt.xlabel("Oś X")
plt.ylabel("Oś Y")
plt.show()

Dodatkowe funkcje Matplotlib:

• plt.title(): Dodaje tytuł do wykresu.
• plt.xlabel(): Dodaje etykietę do osi X.
• plt.ylabel(): Dodaje etykietę do osi Y.
• plt.legend(): Dodaje legendę do wykresu (jeśli mamy kilka serii danych).
• plt.grid(): Dodaje siatkę do wykresu.