Vetorização e Broadcasting
Aritmética em arrays acontece elemento por elemento, sem um 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 é como o numpy estica um formato menor para caber em um maior. Um único número (um escalar) é aplicado a cada elemento:
a = np.array([1, 2, 3])
print(a + 100) # [101 102 103]
print(a ** 2) # [1 4 9]Isso também funciona entre as linhas. Uma linha 1D de comprimento 3 faz o broadcast para cada linha de uma grade 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]]Comparações também são vetorizadas e dão uma lista boolean array, que usaremos para filtrar logo em seguida:
scores = np.array([55, 90, 70, 40])
print(scores >= 60) # [False True True False]O código vetorizado é mais curto e muito mais rápido que o loop Python equivalente.
Comece a partir de celsius = np.array([0, 10, 20, 30]). Usando matemática vetorizada (sem loop), converta para Fahrenheit com a fórmula F = C * 9/5 + 32 e armazene em fahrenheit. Depois, crie uma lista booleana warm que seja True onde fahrenheit seja pelo menos 60.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.