NumPy: عمليات التجميع

import numpy as np

a = np.array([3, 7, 1, 9, 5])

print(a.sum())       # 25
print(a.mean())      # 5.0
print(a.std())       # 2.828
print(a.var())       # 8.0
print(a.min())       # 1
print(a.max())       # 9
print(a.argmin())    # 2 (فهرس الأصغر)
print(a.argmax())    # 3 (فهرس الأكبر)
print(a.ptp())       # 8 (الذروة إلى الذروة: max - min)

> **المخرجات:** قم بتشغيل NumPy 2.x في بيئة Python المحلية لديك لرؤية مخرجات ndarray. خادم Piston لا يحتوي على NumPy مثبت مسبقاً — قم بتثبيته محلياً (pip install numpy) وقارن. قد تختلف القيم الفعلية حسب إصدار NumPy والبذرة العشوائية.

import numpy as np

a = np.arange(12).reshape(3, 4)
print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

# المجموع على طول المحور 0 (عمودياً)
print(a.sum(axis=0))  # [12 15 18 21]

# المجموع على طول المحور 1 (صفياً)
print(a.sum(axis=1))  # [6 22 38]

# المجموع الكلي
print(a.sum())        # 66

> **المخرجات:** قم بتشغيل NumPy 2.x في بيئة Python المحلية لديك لرؤية مخرجات ndarray. خادم Piston لا يحتوي على NumPy مثبت مسبقاً — قم بتثبيته محلياً (pip install numpy) وقارن. قد تختلف القيم الفعلية حسب إصدار NumPy والبذرة العشوائية.

import numpy as np

a = np.array([1.0, 2.0, np.nan, 4.0])

print(a.mean())        # nan
print(np.nanmean(a))   # 2.333
print(np.nansum(a))    # 7.0
print(np.nanstd(a))    # 1.247
print(np.nanmin(a))    # 1.0
print(np.nanmax(a))    # 4.0

> **المخرجات:** قم بتشغيل NumPy 2.x في بيئة Python المحلية لديك لرؤية مخرجات ndarray. خادم Piston لا يحتوي على NumPy مثبت مسبقاً — قم بتثبيته محلياً (pip install numpy) وقارن. قد تختلف القيم الفعلية حسب إصدار NumPy والبذرة العشوائية.

import numpy as np

a = np.array([1, 2, 3, 4, 5])

print(np.cumsum(a))   # [1  3  6 10 15]
print(np.cumprod(a))  # [1  2  6 24 120]

> **المخرجات:** قم بتشغيل NumPy 2.x في بيئة Python المحلية لديك لرؤية مخرجات ndarray. خادم Piston لا يحتوي على NumPy مثبت مسبقاً — قم بتثبيته محلياً (pip install numpy) وقارن. قد تختلف القيم الفعلية حسب إصدار NumPy والبذرة العشوائية.

import numpy as np

a = np.arange(12).reshape(3, 4)

print("axis=0 (عمودياً):")
print(f"  sum:  {a.sum(axis=0)}")
print(f"  mean: {a.mean(axis=0)}")
print(f"  max:  {a.max(axis=0)}")

print("axis=1 (صفياً):")
print(f"  sum:  {a.sum(axis=1)}")
print(f"  mean: {a.mean(axis=1)}")
print(f"  max:  {a.max(axis=1)}")

import numpy as np

data = np.array([1.0, 2.0, np.nan, 4.0, np.nan, 6.0])

print("Standard mean:", data.mean())
print("nanmean:", np.nanmean(data))
print("nansum:", np.nansum(data))
print("nanstd:", np.nanstd(data))
print("nanmin:", np.nanmin(data))
print("nanmax:", np.nanmax(data))

# عدد القيم غير NaN
print("Valid count:", np.sum(~np.isnan(data)))

import numpy as np

# المجموع الجاري
sales = np.array([10, 15, 7, 20, 13])
cumulative = np.cumsum(sales)
print("Daily sales:", sales)
print("Cumulative:", cumulative)

# الضرب التراكمي
factors = np.array([1.1, 1.05, 0.98, 1.02])
growth = np.cumprod(factors)
print("Growth factors:", growth)

# مجموع تراكمي ثنائي الأبعاد
a = np.arange(12).reshape(3, 4)
print("Row-wise cumsum:\n", np.cumsum(a, axis=1))