Vektorisierung und Broadcasting
Arithmetik auf Arrays geschieht elementweise, ohne Schleife:
import numpy as np
a = np.array([1, 2, 3])
b = np.array([10, 20, 30])
print(a + b) # [11 22 33]
print(a * b) # [10 40 90]
print(b / a) # [10. 10. 10.]Broadcasting ist die Art und Weise, wie numpy eine kleinere Form auf eine größere anpasst. Eine einzelne Zahl (ein Skalar) wird auf jedes Element angewendet:
a = np.array([1, 2, 3])
print(a + 100) # [101 102 103]
print(a ** 2) # [1 4 9]Es funktioniert auch über Zeilen hinweg. Eine 1D Zeile der Länge 3 wird auf jede Zeile eines 2x3 Gitters übertragen:
grid = np.array([[1, 2, 3],
[4, 5, 6]])
bonus = np.array([10, 20, 30])
print(grid + bonus)
# [[11 22 33]
# [14 25 36]]Vergleiche sind ebenfalls vektorisiert und geben ein boolean array zurück, das wir bald zum Filtern verwenden werden:
scores = np.array([55, 90, 70, 40])
print(scores >= 60) # [False True True False]Vektorisierter Code ist kürzer und viel schneller als die entsprechende Python loop.
Beginne bei celsius = np.array([0, 10, 20, 30]). Konvertiere mit vektorisierter Mathematik (keine Schleife) in Fahrenheit mit der Formel F = C * 9/5 + 32 und speichere es in fahrenheit. Erstelle dann ein boolesches Array warm, das True ist, wo fahrenheit mindestens 60 ist.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.