# الاستخدام مع NumPy

هذا المستند مقدمة سريعة لاستخدام `datasets` مع NumPy، مع تركيز خاص على كيفية استخراج كائنات `numpy.ndarray` من مجموعات البيانات لدينا، وكيفية استخدامها لتدريب نماذج مبنية على NumPy مثل نماذج `scikit-learn`.

## تنسيق مجموعة البيانات

بشكل افتراضي، تُرجع مجموعات البيانات كائنات بايثون العادية: أعداد صحيحة، وأعداد عشرية، ونصوص، وقوائم، وما إلى ذلك.

للحصول على مصفوفات NumPy بدلاً من ذلك، يمكنك تعيين صيغة مجموعة البيانات إلى `numpy`:

```py
>>> from datasets import Dataset
>>> data = [[1, 2], [3, 4]]
>>> ds = Dataset.from_dict({"data": data})
>>> ds = ds.with_format("numpy")
>>> ds[0]
{'data': array([1, 2])}
>>> ds[:2]
{'data': array([
    [1, 2],
    [3, 4]])}
```

> [!TIP]
> يُعدّ كائن [Dataset](/docs/datasets/v5.2.0/ar/package_reference/main_classes#datasets.Dataset) غلافًا لجدول Arrow، مما يتيح قراءة سريعة من المصفوفات في مجموعة البيانات إلى مصفوفات NumPy.

لاحظ أن الإجراء نفسه تمامًا ينطبق على كائنات `DatasetDict`، بحيث عند تعيين صيغة `DatasetDict` إلى `numpy`، سيتم تنسيق جميع `Dataset` الموجودة هناك كـ `numpy`:

```py
>>> from datasets import DatasetDict
>>> data = {"train": {"data": [[1, 2], [3, 4]]}, "test": {"data": [[5, 6], [7, 8]]}}
>>> dds = DatasetDict.from_dict(data)
>>> dds = dds.with_format("numpy")
>>> dds["train"][:2]
{'data': array([
    [1, 2],
    [3, 4]])}
```

### مصفوفات N الأبعاد

إذا كانت مجموعة بياناتك تتكون من مصفوفات ذات أبعاد N، فستلاحظ أنه افتراضياً تُعتبر المصفوفات نفسها إذا كان الشكل ثابتاً:

```py
>>> from datasets import Dataset
>>> data = [[[1, 2],[3, 4]], [[5, 6],[7, 8]]]  # fixed shape
>>> ds = Dataset.from_dict({"data": data})
>>> ds = ds.with_format("numpy")
>>> ds[0]
{'data': array([[1, 2],
        [3, 4]])}
```

```py
>>> from datasets import Dataset
>>> data = [[[1, 2],[3]], [[4, 5, 6],[7, 8]]]  # varying shape
>>> ds = Dataset.from_dict({"data": data})
>>> ds = ds.with_format("numpy")
>>> ds[0]
{'data': array([array([1, 2]), array([3])], dtype=object)}
```

ومع ذلك، تتطلب هذه المنطق غالبًا مقارنات بطيئة للأشكال ونسخًا للبيانات. لتجنب ذلك، يجب عليك استخدام نوع الميزة `Array` بشكل صريح وتحديد شكل متجهاتك:

```py
>>> from datasets import Dataset, Features, Array2D
>>> data = [[[1, 2],[3, 4]],[[5, 6],[7, 8]]]
>>> features = Features({"data": Array2D(shape=(2, 2), dtype='int32')})
>>> ds = Dataset.from_dict({"data": data}, features=features)
>>> ds = ds.with_format("numpy")
>>> ds[0]
{'data': array([[1, 2],
        [3, 4]])}
>>> ds[:2]
{'data': array([[[1, 2],
         [3, 4]],
 
        [[5, 6],
         [7, 8]]])}
```

### أنواع ميزات أخرى

يتم تحويل بيانات [ClassLabel](/docs/datasets/v5.2.0/ar/package_reference/main_classes#datasets.ClassLabel) إلى مصفوفات بشكل صحيح:

```py
>>> from datasets import Dataset, Features, ClassLabel
>>> labels = [0, 0, 1]
>>> features = Features({"label": ClassLabel(names=["negative", "positive"])})
>>> ds = Dataset.from_dict({"label": labels}, features=features)
>>> ds = ds.with_format("numpy")
>>> ds[:3]
{'label': array([0, 0, 1])}
```

تبقى كائنات النص والثنائية دون تغيير، لأن NumPy يدعم الأرقام فقط.

تُدعم أنواع الميزات [Image](/docs/datasets/v5.2.0/ar/package_reference/main_classes#datasets.Image) و[Audio](/docs/datasets/v5.2.0/ar/package_reference/main_classes#datasets.Audio) أيضًا.

> [!TIP]
> لاستخدام نوع الميزة [Image](/docs/datasets/v5.2.0/ar/package_reference/main_classes#datasets.Image)، ستحتاج إلى تثبيت الإضافة `vision` عبر الأمر `pip install datasets[vision]`.

```py
>>> from datasets import Dataset, Features, Image
>>> images = ["path/to/image.png"] * 10
>>> features = Features({"image": Image()})
>>> ds = Dataset.from_dict({"image": images}, features=features)
>>> ds = ds.with_format("numpy")
>>> ds[0]["image"].shape
(512, 512, 3)
>>> ds[0]
{'image': array([[[ 255, 255, 255],
              [ 255, 255, 255],
              ...,
              [ 255, 255, 255],
              [ 255, 255, 255]]], dtype=uint8)}
>>> ds[:2]["image"].shape
(2, 512, 512, 3)
>>> ds[:2]
{'image': array([[[[ 255, 255, 255],
              [ 255, 255, 255],
              ...,
              [ 255, 255, 255],
              [ 255, 255, 255]]]], dtype=uint8)}
```

> [!TIP]
> لاستخدام نوع الميزة [Audio](/docs/datasets/v5.2.0/ar/package_reference/main_classes#datasets.Audio)، ستحتاج إلى تثبيت الإضافة `audio` عبر الأمر `pip install datasets[audio]`.

```py
>>> from datasets import Dataset, Features, Audio
>>> audio = ["path/to/audio.wav"] * 10
>>> features = Features({"audio": Audio()})
>>> ds = Dataset.from_dict({"audio": audio}, features=features)
>>> ds = ds.with_format("numpy")
>>> ds[0]["audio"]["array"]
array([-0.059021  , -0.03894043, -0.00735474, ...,  0.0133667 ,
              0.01809692,  0.00268555], dtype=float32)
>>> ds[0]["audio"]["sampling_rate"]
array(44100, weak_type=True)
```

## تحميل البيانات

لا تملك مكتبة NumPy أي قدرات مدمجة لتحميل البيانات، لذا ستحتاج إما إلى إنشاء مصفوفات NumPy مثل `X, y` لاستخدامها في `scikit-learn`، أو استخدام مكتبة مثل [PyTorch](https://pytorch.org/) لتحميل بياناتك باستخدام `DataLoader`.

### استخدام `with_format('numpy')`

أسهل طريقة للحصول على مصفوفات NumPy من مجموعة بيانات هي استخدام طريقة `with_format('numpy')`. لنفترض أننا نريد تدريب شبكة عصبية على [مجموعة بيانات MNIST](http://yann.lecun.com/exdb/mnist/) المتوفرة في HuggingFace Hub على https://huggingface.co/datasets/mnist.

```py
>>> from datasets import load_dataset
>>> ds = load_dataset("ylecun/mnist")
>>> ds = ds.with_format("numpy")
>>> ds["train"][0]
{'image': array([[  0,   0,   0, ...],
                       [  0,   0,   0, ...],
                       ...,
                       [  0,   0,   0, ...],
                       [  0,   0,   0, ...]], dtype=uint8),
 'label': array(5)}
```

بمجرد ضبط التنسيق، يمكننا تغذية مجموعة البيانات إلى النموذج القائم على NumPy على دفعات باستخدام طريقة `Dataset.iter()`:

```py
>>> for epoch in range(epochs):
...     for batch in ds["train"].iter(batch_size=32):
...         x, y = batch["image"], batch["label"]
...         ...
```