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
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.
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.