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()) # 20.0کل 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.
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.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.