NumPy-Arrays: Warum nicht Listen
Warum das wichtig ist Ein Netzwerk führt Millionen von Multiplikationen aus. NumPy führt sie in schnellem kompiliertem Code aus, also ersetzt eine Zeile eine ganze Schleife und läuft viel schneller.
A Ein NumPy array ist ein Block von Zahlen, die alle denselben Typ haben. Arithmetik auf einem array geschieht für jedes Element gleichzeitig:
import numpy as np
a = np.array([1, 2, 3])
a * 10 # array([10, 20, 30])
(a ** 2).sum() # 14
Sieh es dir an
Mit einer list schreibst du die loop; mit einem array führt NumPy die loop für dich in C aus. Bei einer Million Zahlen ist die array Version meistens 20 bis 100 Mal schneller. Du kannst es selbst mit time.perf_counter() davor und danach messen.
Vectorised: als Ganzzahl-Array-Operationen statt einer Python loop geschrieben.
Zusammenfassung Listen sind flexibel; Arrays sind schnell und führen Mathematik auf jedem Element gleichzeitig aus.
Wörter und Symbole in dieser Lektion
- array
- a NumPy Block von Zahlen, alle vom gleichen Typ, der Mathe auf jedem Element gleichzeitig macht
Schreibe sum_of_squares(a), das ein NumPy array nimmt und die Summe seiner Quadrate zurückgibt, ohne eine Python Schleife (kein for, kein while, keine comprehension).
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.