سرفصل‌ها درس 78 از 250 · مبانی داده: numpy و pandas
مبانی داده: numpy و pandas

برداری‌سازی و broadcasting

حساب روی آرایه‌ها عضوبه‌عضو، بدون حلقه، انجام می‌شود:

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 راهی است که numpy یک shape کوچک‌تر را برای جاشدن در یک بزرگ‌تر کش می‌دهد. یک عدد تنها (یک scalar) روی هر عضو اعمال می‌شود:

a = np.array([1, 2, 3])
print(a + 100)   # [101 102 103]
print(a ** 2)    # [1 4 9]

روی ردیف‌ها هم کار می‌کند. یک ردیف یک‌بعدی به طول 3 روی هر ردیف یک شبکهٔ 2x3 broadcast می‌شود:

grid = np.array([[1, 2, 3],
                 [4, 5, 6]])
bonus = np.array([10, 20, 30])
print(grid + bonus)
# [[11 22 33]
#  [14 25 36]]

مقایسه‌ها هم برداری‌اند و یک آرایهٔ بولی می‌دهند، که به‌زودی برای پالایش از آن استفاده می‌کنیم:

scores = np.array([55, 90, 70, 40])
print(scores >= 60)   # [False  True  True False]

کد برداری کوتاه‌تر و بسیار سریع‌تر از حلقهٔ معادل Python است.

نوبت شما

از celsius = np.array([0, 10, 20, 30]) شروع کنید. با حساب برداری (بدون حلقه)، با فرمول F = C * 9/5 + 32 به فارنهایت تبدیل کنید و در fahrenheit ذخیره کنید. سپس یک آرایهٔ بولی warm بسازید که جایی که fahrenheit دست‌کم 60 است True باشد.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.