Численные методы в NumPy

Простые численные приёмы помогают из ряда чисел получить новые сведения: разности соседних значений, оценку наклона в каждой точке, значение между известными узлами, разбиение по интервалам и подсчёт попаданий в корзины, сглаживание коротким окном и оценку площади под ломаной.

Разности показывают, насколько соседние ячейки отличаются. Наклон описывает, как быстро меняется ряд. Интерполяция заполняет пробел между опорными точками. Интервалы и корзины группируют данные для анализа. Свёртка прогоняет окно вдоль ряда. Площадь под кривой суммирует вклад отрезков.

В NumPy для этих задач есть готовые функции, которые работают с массивами целиком и возвращают новые массивы или пары чисел. Ими удобно пользоваться вместе с уже знакомым созданием массивов и выводом результатов.

Со всем этим мы и будем разбираться в рамках данного раздела.