Ахборот хавфсизлигига бўладиган хавфлар

---

1 
Python tili kutubxonalari bilan ishlash. Ilmiy hisob-kitoblar uchun 
NumPy kutubxonasi
NumPy Pythonda ilmiy hisoblashlar uchun asosiy paketdir. Bu Python 
kutubxonasi boʻlib, u koʻp oʻlchovli massiv obyekti, turli hosila obʼyektlari 
(masalan, niqoblangan massivlar va matritsalar) hamda massivlar ustida tezkor 
operatsiyalar, jumladan, matematik, mantiqiy, shakllarni manipulyatsiya qilish, 
saralash, tanlash, kiritish/chiqarish uchun tartiblar assortimentini taqdim etadi. , 
diskret Furye o'zgarishlari, asosiy chiziqli algebra, asosiy statistik operatsiyalar, 
tasodifiy simulyatsiya va boshqalar. 
NumPy 
paketining 
o'zagida 
ndarray
ob'ekti 
joylashgan. Bu bir 
hil 
ma'lumotlar turlarining 
n
o'lchovli massivlarini qamrab oladi , ko'plab operatsiyalar 
ishlash uchun kompilyatsiya qilingan kodda bajariladi. NumPy massivlari va 
standart Python ketma-ketliklari o'rtasida bir nechta muhim farqlar mavjud: 

NumPy massivlari Python ro'yxatlaridan farqli o'laroq (dinamik ravishda 
o'sishi 
mumkin) 
yaratilayotganda 
qat'iy 
belgilangan 
hajmga 
ega. 
Ndarray
o'lchamini o'zgartirish yangi massivni yaratadi va asl nusxasini 
o'chiradi. 

NumPy massividagi elementlarning barchasi bir xil turdagi ma'lumotlarga ega 
bo'lishi kerak va shuning uchun xotirada bir xil o'lchamda bo'ladi. Istisno: 
(Python, shu jumladan NumPy) ob'ektlar massivlariga ega bo'lishi mumkin, 
bu esa turli o'lchamdagi elementlarning massivlarini yaratishga imkon beradi. 

NumPy massivlari katta miqdordagi ma'lumotlar bilan ilg'or matematik va 
boshqa turdagi operatsiyalarni osonlashtiradi. Odatda, bunday operatsiyalar 
Python-ning o'rnatilgan ketma-ketliklaridan foydalanish mumkin bo'lganidan 
ko'ra samaraliroq va kamroq kod bilan amalga oshiriladi. 

Python-ga asoslangan ilmiy va matematik paketlarning ko'pligi NumPy 
massivlaridan foydalanmoqda; Ular odatda Python-ketma-ket kiritishni 
qo'llab-quvvatlasa ham, ular qayta ishlashdan oldin bunday kirishni NumPy 
massivlariga 
aylantiradi 
va 
ko'pincha 
NumPy 
massivlarini 
chiqaradi. Boshqacha qilib aytganda, Python-ga asoslangan bugungi 
ilmiy/matematik dasturiy ta'minotning ko'p qismidan (ehtimol ko'pchiligidan) 
samarali foydalanish uchun Python-ning o'rnatilgan ketma-ketlik turlaridan 
qanday foydalanishni bilishning o'zi etarli emas - NumPy massivlaridan 
qanday foydalanishni ham bilish kerak. 
Ilmiy hisoblashda ketma-ketlik hajmi va tezligi haqidagi fikrlar ayniqsa 
muhimdir. Oddiy misol sifatida, 1 o'lchamli ketma-ketlikdagi har bir elementni bir 

---

2 
xil uzunlikdagi boshqa ketma-ketlikdagi mos keladigan element bilan ko'paytirish 
holatini ko'rib chiqing. Agar ma'lumotlar ikkita Python ro'yxatida saqlangan 
bo'lsa 
a
va 
b
, biz har bir elementni takrorlashimiz mumkin: 
c