NumPy
NumPy – Numerical Python
المكتبة الأساسية للمصفوفات متعددة الأبعاد والحسابات العددية في Python، وتقوم عليها معظم مكتبات علم البيانات والذكاء الاصطناعي.
المعلومات الأساسية
| الاسم | NumPy |
|---|---|
| الاسم الكامل | NumPy – Numerical Python |
| التصنيف | مكتبات البرمجة العلمية ومعالجة البيانات |
| الجهة المطورة | مجتمع NumPy (برعاية NumFOCUS) |
| سنة الإطلاق | 2006 |
| الموقع الرسمي | numpy.org |
| مستودع GitHub | numpy/numpy |
| الوثائق الرسمية | numpy.org/doc |
| الحزمة على PyPI | numpy |
| الترخيص | BSD-3-Clause AND 0BSD AND MIT AND Zlib AND CC0-1.0 (PyPI license_expression) |
| حالة المشروع | نشطة صدر لها إصدار خلال آخر 12 شهراً |
| آخر إصدار | 15 نوفمبر 2026 (الإصدار 2.5.5) |
| لغة البرمجة | Python، C |
| أنظمة التشغيل | MacOS، POSIX، Unix، Windows (كما تعلنها الحزمة على PyPI) |
| إصدار Python المطلوب | >=3.12 |
| مستوى الصعوبة | مبتدئ |
آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)
نظرة عامة
توفر NumPy نوع المصفوفة ndarray متعددة الأبعاد مع عمليات متجهية (Vectorized) مكتوبة بلغة C، فتُجرى الحسابات على ملايين العناصر دون حلقات Python بطيئة. وتضم الجبر الخطي، والتحويلات، والأعداد العشوائية، والبث (Broadcasting) بين مصفوفات بأشكال مختلفة.
أصبحت واجهة NumPy معياراً فعلياً: تتبع Pandas وSciPy وscikit-learn وOpenCV تمثيلها للبيانات، وتحاكي CuPy وJAX واجهتها على المعالجات الرسومية. لذلك فهمها خطوة أولى قبل أي إطار تعلم عميق.
متى تختارها؟ اخترها لأي حساب عددي أو تمثيل للبيانات على المعالج المركزي؛ وانتقل إلى CuPy أو JAX عند الحاجة إلى GPU.
الاستخدامات
الاستخدامات الرئيسية
- تمثيل البيانات والصور والإشارات كمصفوفات
- العمليات المتجهية والجبر الخطي
- توليد الأعداد العشوائية للتجارب
- تجهيز البيانات قبل إدخالها إلى نماذج التعلم الآلي
المجالات العلمية
- علم البيانات
- الحوسبة العلمية
- معالجة الإشارات والصور
أنواع المشاريع المناسبة
- تحليل بيانات تجريبية
- تنفيذ خوارزميات تعلم آلي من الصفر لأغراض تعليمية
- معالجة مسبقة للصور والإشارات
تطبيقات بحثية
- تنفيذ نماذج رياضية وتجارب محاكاة قابلة لإعادة الإنتاج
- تحليل نتائج التجارب وحساب المقاييس الإحصائية
الخصائص التقنية
تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».
| دعم المعالج المركزي (CPU) | مدعوم |
|---|---|
| دعم المعالج الرسومي (GPU) | غير مدعوملا تعمل على GPU مباشرة؛ CuPy وJAX توفران واجهة مشابهة على المعالجات الرسومية. |
| التوافق مع CUDA | غير مدعوم |
| التدريب أو الحوسبة الموزعة | غير مدعوم |
| الاشتقاق التلقائي (Autodiff) | غير مدعوم |
| نشر النماذج (Deployment) | لا ينطبق |
| نماذج مدربة مسبقاً | لا ينطبق |
| أنواع البيانات المدعومة | أعداد صحيحة وعشرية بدقات مختلفة، أعداد مركبة، قيم منطقية، نصوص، أنواع مهيكلة |
| التكامل مع مكتبات أخرى | Pandas، SciPy، Matplotlib، Scikit-learn، PyTorch، OpenCV |
| المرونة (تقدير تحريري) | عالية للحسابات العامة |
| الأداء (تقدير تحريري) | سريعة على CPU بفضل التنفيذ بلغة C |
| المجتمع (تقدير تحريري) | من أكبر مجتمعات Python العلمية |
| جودة التوثيق (تقدير تحريري) | توثيق رسمي شامل مع دروس |
التثبيت والتشغيل
pip install numpyالتوافق: Python >=3.12 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026
يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.
أمثلة برمجية
الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.
مبتدئعمليات متجهية وإحصاءات على مصفوفةنُفّذ واختُبر
الهدف: حساب المتوسط والانحراف المعياري وتطبيع الأعمدة دون حلقات Python.
import numpy as np
rng = np.random.default_rng(42)
X = rng.normal(loc=[10, 50, 100], scale=[1, 5, 20], size=(5, 3))
mean = X.mean(axis=0)
std = X.std(axis=0)
Z = (X - mean) / std # broadcasting: (5,3) - (3,)
print("الشكل:", X.shape)
print("المتوسطات:", np.round(mean, 2))
print("بعد التطبيع، متوسط كل عمود ≈ 0:", np.round(Z.mean(axis=0), 6))
print("وانحرافه المعياري = 1:", np.round(Z.std(axis=0), 6))
شرح الكود
ننشئ مصفوفة عشوائية بمولد ثابت البذرة لضمان تكرار النتيجة، ثم نحسب إحصاءات كل عمود بالمعامل axis=0، ونطبّع البيانات (Z-score) بعملية واحدة بفضل البث (Broadcasting) بين مصفوفة 5×3 ومتجه طوله 3.
المخرجات المسجلة عند الاختبار
الشكل: (5, 3) المتوسطات: [ 10.12 48.7 102.71] بعد التطبيع، متوسط كل عمود ≈ 0: [-0. -0. -0.] وانحرافه المعياري = 1: [1. 1. 1.]
نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — numpy 2.5.5, python 3.13.18
المزايا
- أداء عالٍ للعمليات المتجهية
- واجهة مستقرة وموثقة جيداً ومعيار لبقية المكتبات
- مجتمع ضخم وأمثلة لا حصر لها
القيود
- لا تدعم المعالجات الرسومية ولا الاشتقاق التلقائي
- المصفوفة يجب أن تتسع في الذاكرة
المراجع والتحقق
- صفحة الحزمة على PyPI (مصدر الإصدار والترخيص وتاريخ الإصدار) تحقق مباشر
https://pypi.org/project/numpy/
تاريخ التحقق: 21 نوفمبر 2026 — الإصدار المتحقق منه: 2.5.5 — المراجعة: فريق DLArabic
- الموقع الرسمي رابط تعلنه الحزمة رسمياً على PyPI
https://numpy.org
تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic
- الوثائق الرسمية رابط تعلنه الحزمة رسمياً على PyPI
https://numpy.org/doc/
تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic
- المستودع الرسمي رابط تعلنه الحزمة رسمياً على PyPI
https://github.com/numpy/numpy
تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic
سجل الإصدارات المتحقق منها
| الإصدار | تاريخ الإصدار | تاريخ التحقق |
|---|---|---|
| 2.5.5 | 15 نوفمبر 2026 | 21 نوفمبر 2026 |
آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.
