بايثون NumPy في الممارسة: الكود والأوامر التي تهم حقاً

import numpy as np

# متجه من 5 أصفار
a = np.zeros(5)
print(a)
# [0. 0. 0. 0. 0.]

# مصفوفة 3 × 4 من الأصفار
b = np.zeros((3, 4))
print(b)
# [[0. 0. 0. 0.]
#  [0. 0. 0. 0.]
#  [0. 0. 0. 0.]]

# مكعب 2 × 3 × 4 (تنسور ثلاثي الأبعاد!)
c = np.zeros((2, 3, 4))
print(c.shape)
# (2, 3, 4)

import numpy as np

# متجه أوزان مهيأ بـ1
poids = np.ones(10)
print(poids)
# [1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]

# مصفوفة مربعة 3 × 3 من الآحاد
M = np.ones((3, 3), dtype=int)
print(M)
# [[1 1 1]
#  [1 1 1]
#  [1 1 1]]

import numpy as np

# مصفوفة 2×3 مملوءة بـ7
sept = np.full((2, 3), 7)
print(sept)
# [[7 7 7]
#  [7 7 7]]

# مصفوفة من NaN (قيمة مفقودة)
nan_arr = np.full(5, np.nan)
print(nan_arr)
# [nan nan nan nan nan]

import numpy as np

# 0, 1, 2, ..., 9 (stop مستبعد)
a = np.arange(10)
print(a)
# [0 1 2 3 4 5 6 7 8 9]

# من 5 إلى 20 (مستبعد)، بخطوة 2
b = np.arange(5, 20, 2)
print(b)
# [ 5  7  9 11 13 15 17 19]

# بخطوة عائمة: ممكن لكن يُفضل تجنبه
c = np.arange(0, 1, 0.1)
print(c)
# [0.  0.1 0.2 ... 0.9] (لكن الحذر، انظر التحذير)

import numpy as np

# 11 نقطة من 0 إلى 1 شاملة
a = np.linspace(0, 1, 11)
print(a)
# [0.  0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1. ]

# 5 نقاط بين -pi و +pi (مثالي لرسم sin/cos)
x = np.linspace(-np.pi, np.pi, 5)
print(x)
# [-3.14 -1.57  0.    1.57  3.14]

# 1000 نقطة لرسم سلس
t = np.linspace(0, 10, 1000)

import numpy as np

notes = np.array([12, 15, 17, 9, 18, 14])

print(notes[0])     # 12 (الدرجة الأولى)
print(notes[2])     # 17 (الدرجة الثالثة)
print(notes[5])     # 14 (الدرجة الأخيرة)

import numpy as np

notes = np.array([12, 15, 17, 9, 18, 14])

print(notes[-1])    # 14  (الأخيرة)
print(notes[-2])    # 18  (قبل الأخيرة)
print(notes[-6])    # 12  (الأولى، من النهاية)

import numpy as np

bulletin = np.array([
    [14, 15, 12],   # طالب 0
    [18, 11, 17],   # طالب 1
    [9, 10, 8],     # طالب 2
    [16, 19, 14],   # طالب 3
])

# درجة الطالب 1 في المادة 2 (الإنجليزية)
print(bulletin[1, 2])    # 17

# الطالب 3 في الرياضيات (العمود 0)
print(bulletin[3, 0])    # 16

import numpy as np

bulletin = np.array([
    [14, 15, 12],
    [18, 11, 17],
    [9, 10, 8],
    [16, 19, 14],
])

eleve1 = bulletin[1]
print(eleve1)              # [18 11 17]
print(eleve1.shape)        # (3,)

# مكافئ صريح باستخدام slice:
print(bulletin[1, :])      # [18 11 17]

import numpy as np

bulletin = np.array([
    [14, 15, 12],
    [18, 11, 17],
    [9, 10, 8],
    [16, 19, 14],
])

# جميع درجات الرياضيات (العمود 0)
math = bulletin[:, 0]
print(math)               # [14 18  9 16]

# المتوسط حسب المادة
print("Moyenne math :", bulletin[:, 0].mean())
print("Moyenne franc :", bulletin[:, 1].mean())
print("Moyenne anglais :", bulletin[:, 2].mean())

import numpy as np

bulletin = np.array([
    [14, 15, 12],
    [18, 11, 17],
    [9, 10, 8],
])

# تعديل خلية واحدة فقط
bulletin[0, 1] = 16
print(bulletin[0])
# [14 16 12]

# استبدال الصف 2 كاملًا
bulletin[2] = [11, 12, 13]
print(bulletin)
# [[14 16 12]
#  [18 11 17]
#  [11 12 13]]

# وضع عمود كامل إلى صفر
bulletin[:, 2] = 0
print(bulletin)
# [[14 16  0]
#  [18 11  0]
#  [11 12  0]]

# Windows (PowerShell أو cmd)
python --version

# macOS / Linux
python3 --version

# الخرج المتوقع (مثال):
# Python 3.12.4

# 1. إنشاء بيئة افتراضية باسم "venv"
python -m venv venv

# 2. تفعيل البيئة
# Windows PowerShell:
venv\Scripts\Activate.ps1

# macOS / Linux:
source venv/bin/activate

# 3. تثبيت NumPy
pip install numpy

# 4. (اختياري) تثبيت Jupyter وmatplotlib أيضًا
pip install jupyter matplotlib pillow

# 1. تحميل Anaconda من anaconda.com/download
# 2. تشغيل المثبت الرسومي
# 3. بعد التثبيت، افتح Anaconda Prompt

# التحقق من إصدار NumPy المرفق
conda list numpy

# إنشاء بيئة مخصصة للدورة
conda create -n cours-numpy python=3.12 numpy jupyter matplotlib pillow

# تفعيلها
conda activate cours-numpy

import numpy as np

# التحقق من الإصدار
print(np.__version__)
# الخرج المتوقع (مثال): 2.1.0

# إنشاء مصفوفة أولى
a = np.array([1, 2, 3, 4, 5])
print(a)
print("Type :", type(a))
print("Forme :", a.shape)
print("Type des éléments :", a.dtype)