Programma Lezione 78 di 250 · Basi dei dati: numpy e pandas
Basi dei dati: numpy e pandas

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.

Tocca a te

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.