Vettorizzazione e broadcasting
L'aritmetica sugli array avviene elemento per elemento, senza ciclo:
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.]Il broadcasting è il modo in cui numpy allarga una shape più piccola per farla combaciare con una più grande. Un singolo numero (uno scalare) viene applicato a ogni elemento:
a = np.array([1, 2, 3])
print(a + 100) # [101 102 103]
print(a ** 2) # [1 4 9]Funziona anche lungo le righe. Una riga 1D di lunghezza 3 viene estesa su ogni riga di una griglia 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]]Anche i confronti sono vettorizzati e danno un array booleano, che useremo presto per filtrare:
scores = np.array([55, 90, 70, 40])
print(scores >= 60) # [False True True False]Il codice vettorizzato è più corto e molto più veloce del ciclo Python equivalente.
Parti da celsius = np.array([0, 10, 20, 30]). Usando calcoli vettorizzati (senza ciclo), converti in Fahrenheit con la formula F = C * 9/5 + 32 e salva il risultato in fahrenheit. Poi costruisci un array booleano warm che è True dove fahrenheit vale almeno 60.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.