Vectorisatie en Broadcasting
Arithmetiek op arrays gebeurt elementgewijs, zonder een 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 is hoe numpy een kleinere vorm uitrekt om in een grotere te passen. Een enkel getal (een scalar) wordt toegepast op elk element:
a = np.array([1, 2, 3])
print(a + 100) # [101 102 103]
print(a ** 2) # [1 4 9]Het werkt ook over rijen. Een 1D rij van lengte 3 wordt uitgezet naar elke rij van een 2x3 grid:
grid = np.array([[1, 2, 3],
[4, 5, 6]])
bonus = np.array([10, 20, 30])
print(grid + bonus)
# [[11 22 33]
# [14 25 36]]Vergelijkingen zijn ook gevectoriseerd en geven een boolean array, die we zo snel mogelijk zullen gebruiken voor filteren:
scores = np.array([55, 90, 70, 40])
print(scores >= 60) # [False True True False]Vectorized code is korter en veel sneller dan de equivalente Python loop.
Begin bij celsius = np.array([0, 10, 20, 30]). Gebruik vectoriële wiskunde (geen loop) om naar Fahrenheit te converteren met de formule F = C * 9/5 + 32 en sla het op in fahrenheit. Bouw daarna een boolean array warm die True is waar fahrenheit minstens 60 is.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.