Vectorization और broadcasting
ऐरे पर गणित हर तत्व पर अलग-अलग होता है, बिना लूप के:
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 वह तरीका है जिससे numpy एक छोटे shape को बड़े में फ़िट करने के लिए फैलाता है। एक अकेली संख्या (एक scalar) हर तत्व पर लगती है:
a = np.array([1, 2, 3])
print(a + 100) # [101 102 103]
print(a ** 2) # [1 4 9]यह पंक्तियों में भी काम करता है। लंबाई 3 की एक 1D पंक्ति 2x3 ग्रिड की हर पंक्ति पर फैल जाती है:
grid = np.array([[1, 2, 3],
[4, 5, 6]])
bonus = np.array([10, 20, 30])
print(grid + bonus)
# [[11 22 33]
# [14 25 36]]तुलनाएँ भी vectorized हैं और एक boolean ऐरे देती हैं, जिसे हम जल्द ही छाँटने के लिए इस्तेमाल करेंगे:
scores = np.array([55, 90, 70, 40])
print(scores >= 60) # [False True True False]vectorized कोड उसी काम वाले Python लूप से छोटा और कहीं ज़्यादा तेज़ है।
celsius = np.array([0, 10, 20, 30]) से शुरू करें। vectorized गणित (बिना लूप) से सूत्र F = C * 9/5 + 32 के साथ Fahrenheit में बदलें और fahrenheit में रखें। फिर एक boolean ऐरे warm बनाएँ जो वहाँ True हो जहाँ fahrenheit कम से कम 60 है।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।