Conteúdo do curso Lição 78 de 250 · Fundamentos de Dados: numpy & pandas
Fundamentos de Dados: numpy & pandas

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.

Sua vez

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.