Vectorización y broadcasting
La aritmética con arrays se hace elemento a elemento, sin ningún bucle:
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.]El broadcasting es la forma en que numpy estira una forma más pequeña para que encaje con una más grande. Un solo número (un escalar) se aplica a cada elemento:
a = np.array([1, 2, 3])
print(a + 100) # [101 102 103]
print(a ** 2) # [1 4 9]También funciona entre filas. Una fila 1D de longitud 3 se extiende a todas las filas de una cuadrícula de 2x3:
grid = np.array([[1, 2, 3],
[4, 5, 6]])
bonus = np.array([10, 20, 30])
print(grid + bonus)
# [[11 22 33]
# [14 25 36]]Las comparaciones también están vectorizadas y dan un array booleano, que pronto usaremos para filtrar:
scores = np.array([55, 90, 70, 40])
print(scores >= 60) # [False True True False]El código vectorizado es más corto y muchísimo más rápido que el bucle de Python equivalente.
Parte de celsius = np.array([0, 10, 20, 30]). Con operaciones vectorizadas (sin bucle), pasa a Fahrenheit con la fórmula F = C * 9/5 + 32 y guárdalo en fahrenheit. Luego construye un array booleano warm que sea True donde fahrenheit sea al menos 60.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.