سرفصل‌ها درس 76 از 250 · مبانی داده: numpy و pandas
مبانی داده: numpy و pandas

چرا کتابخانه‌های داده: از فهرست به آرایه

فهرست‌های سادهٔ Python انعطاف‌پذیرند، اما برای عددها کند و پرحرف‌اند. دوبرابرکردن هر مقدار در یک فهرست یعنی نوشتن یک حلقه:

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

numpy (Python عددی) ndarray را به شما می‌دهد: شبکه‌ای از عددها که در یک بلوک فشردهٔ حافظه نگه داشته می‌شود. حساب روی کل یک آرایه در C سریع و کامپایل‌شده انجام می‌شود، بدون حلقهٔ Python. به این برداری‌سازی (vectorization) می‌گویند.

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

کل پشتهٔ داده و یادگیری ماشین روی numpy نشسته است، پس این نخستین گام طبیعی است. طبق قرارداد آن را با نام np وارد می‌کنیم.

یک آرایه را با np.array(a_list) بسازید، سپس متدهایی مانند .sum() و .mean() را مستقیم روی آن فرا بخوانید. آن‌ها عددهای تکی (یک scalar در Python/numpy) برمی‌گردانند، نه فهرست.

نوبت شما

numpy را با نام np وارد کنید. فهرست [4, 8, 12, 16] را به آرایه‌ای numpy به نام arr تبدیل کنید. سپس total را مجموع آن و avg را میانگین آن حساب کنید. avg را چاپ کنید.

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.