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()) # 20.0Der 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.
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.
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.