سرفصل‌ها درس 9 از 246 · ماژول 1: پایتون برای این دوره
ماژول 1: پایتون برای این دوره

آرایه‌های NumPy: چرا نه فهرست‌ها

چرا مهم است یک شبکه میلیون‌ها ضرب انجام می‌دهد. NumPy آن‌ها را با کد کامپایل‌شدهٔ سریع انجام می‌دهد، پس یک خط جای یک حلقهٔ کامل را می‌گیرد و بسیار سریع‌تر اجرا می‌شود.

یک آرایهٔ NumPy بلوکی از اعداد است که همه از یک نوع‌اند. حساب روی یک آرایه برای همهٔ اقلام با هم انجام می‌شود:

import numpy as np
a = np.array([1, 2, 3])
a * 10        # array([10, 20, 30])
(a ** 2).sum()  # 14

آن را ببینید

با یک فهرست حلقه را خودتان می‌نویسید؛ با یک آرایه NumPy حلقه را برایتان در C اجرا می‌کند. روی یک میلیون عدد، نسخهٔ آرایه معمولاً 20 تا 100 برابر سریع‌تر است. می‌توانید خودتان با time.perf_counter() پیش و پس از آن زمانش را بگیرید.

برداری‌شده: نوشته‌شده به‌صورت عملیات روی کل آرایه به جای یک حلقهٔ پایتون.

خلاصه فهرست‌ها انعطاف‌پذیرند؛ آرایه‌ها سریع‌اند و روی همهٔ اقلام با هم ریاضی انجام می‌دهند.

واژه‌ها و نمادهای این درس
آرایه
یک بلوک NumPy از اعداد، همه از یک نوع، که روی همهٔ اقلام با هم ریاضی انجام می‌دهد
نوبت شما

sum_of_squares(a) را بنویسید که یک آرایهٔ NumPy می‌گیرد و جمع مربع‌هایش را برمی‌گرداند، بدون هیچ حلقهٔ پایتون (نه for، نه while، نه comprehension).

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.