Perché le librerie per i dati: dalle liste agli array
Le liste di Python sono flessibili, ma con i numeri sono lente e prolisse. Raddoppiare ogni valore di una lista significa scrivere un ciclo:
prices = [10, 20, 30]
doubled = []
for p in prices:
doubled.append(p * 2)
print(doubled) # [20, 40, 60]numpy (Numerical Python) ti dà l'ndarray: una griglia di numeri salvata in un unico blocco compatto di memoria. I calcoli su un intero array avvengono in C compilato e veloce, senza nessun ciclo Python. Si chiama vettorizzazione.
import numpy as np
prices = np.array([10, 20, 30])
print(prices * 2) # [20 40 60] no loop needed
print(prices.sum()) # 60
print(prices.mean()) # 20.0Tutto lo stack dei dati e dell'apprendimento automatico poggia su numpy, quindi è il primo passo naturale. Per convenzione lo importiamo come np.
Costruisci un array con np.array(a_list), poi chiama direttamente su di lui metodi come .sum() e .mean(). Restituiscono singoli numeri (uno scalare Python/numpy), non liste.
Importa numpy come np. Trasforma la lista [4, 8, 12, 16] in un array numpy chiamato arr. Poi calcola total come sua somma e avg come sua media. Stampa avg.
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.