Vektorisasi dan Broadcasting
Aritmatika pada array terjadi elemen demi elemen, tanpa loop:
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 adalah cara numpy memperluas bentuk yang lebih kecil agar sesuai dengan bentuk yang lebih besar. Satu angka (skalar) diterapkan ke setiap elemen:
a = np.array([1, 2, 3])
print(a + 100) # [101 102 103]
print(a ** 2) # [1 4 9]Ini juga berfungsi di seluruh baris. Baris 1D dengan panjang 3 menyebar ke setiap baris pada grid 2x3:
grid = np.array([[1, 2, 3],
[4, 5, 6]])
bonus = np.array([10, 20, 30])
print(grid + bonus)
# [[11 22 33]
# [14 25 36]]Perbandingan juga di-vektorisasi dan menghasilkan array boolean, yang akan kita gunakan untuk memfilter segera:
scores = np.array([55, 90, 70, 40])
print(scores >= 60) # [False True True False]Kode tervektorisasi lebih pendek dan jauh lebih cepat daripada loop Python yang setara.
Mulai dari celsius = np.array([0, 10, 20, 30]). Menggunakan matematika vektor (tanpa loop), ubah ke Fahrenheit dengan rumus F = C * 9/5 + 32 dan simpan di fahrenheit. Lalu buat array boolean warm yang bernilai True jika fahrenheit setidaknya 60.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.