Lehrplan Lektion 76 von 250 · Daten Grundlagen: numpy & pandas
Daten Grundlagen: numpy & pandas

Warum Datenbibliotheken: Listen zu Arrays

Einfache Python lists sind flexibel, aber für Zahlen sind sie langsam und umständlich. Jeden Wert in einer list zu verdoppeln bedeutet, eine loop zu schreiben:

prices = [10, 20, 30]
doubled = []
for p in prices:
    doubled.append(p * 2)
print(doubled)   # [20, 40, 60]

numpy (Numerical Python) gibt dir den ndarray: ein Gitter von Zahlen, das in einem engen Speicherblock gespeichert ist. Mathematik auf einem ganzen Array passiert in schnellem kompiliertem C, ohne Python loop. Das wird vectorization genannt.

import numpy as np
prices = np.array([10, 20, 30])
print(prices * 2)        # [20 40 60]   no loop needed
print(prices.sum())      # 60
print(prices.mean())     # 20.0

Der gesamte Daten- und Machine-Learning-Stack basiert auf numpy, daher ist dies der natürliche erste Schritt. Wir importieren es als np nach Konvention.

Erstelle ein Array mit np.array(a_list), dann rufe Methoden wie .sum() und .mean() direkt darauf auf. Sie geben einzelne Zahlen (einen Python/numpy Skalar) zurück, keine Listen.

Du bist dran

Importiere numpy als np. Wandle die Liste [4, 8, 12, 16] in ein numpy array namens arr um. Berechne dann total als ihre Summe und avg als ihren Mittelwert. Drucke avg aus.

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.