Programma Les 76 van 250 · Basis van data: numpy & pandas
Basis van data: numpy & pandas

Waarom Data Libraries: Lijsten naar Arrays

Eenvoudige Python lists zijn flexibel, maar voor getallen zijn ze traag en omslachtig. Elke waarde in een list verdubbelen betekent dat je een loop moet schrijven:

prices = [10, 20, 30]
doubled = []
for p in prices:
    doubled.append(p * 2)
print(doubled)   # [20, 40, 60]

numpy (Numerical Python) geeft je de ndarray: een raster van getallen opgeslagen in één compact blok geheugen. Wiskunde op een heel array gebeurt in snel gecompileerd C, zonder Python loop. Dit wordt vectorization genoemd.

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())     # 20.0

De hele data en machine-learning stack rust op numpy, dus dit is de natuurlijke eerste stap. We importeren het als np uit gewoonte.

Bouw een array met np.array(a_list), en roep daarna methoden zoals .sum() en .mean() direct op. Ze geven losse getallen (een Python/numpy scalar) terug, geen lijsten.

Jij bent aan de beurt

Importeer numpy als np. Zet de lijst [4, 8, 12, 16] om naar een numpy array genaamd arr. Bereken daarna total als de som en avg als het gemiddelde. Print avg.

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.