Por que Bibliotecas de Dados: Listas para Arrays
Listas Python puras são flexíveis, mas para números elas são lentas e verbosas. Dobrar cada valor em uma list significa escrever um loop:
prices = [10, 20, 30]
doubled = []
for p in prices:
doubled.append(p * 2)
print(doubled) # [20, 40, 60]numpy (Numerical Python) te dá o ndarray: uma grade de números guardada em um bloco único de memória. Matemática em um array inteiro acontece em C compilado rápido, sem nenhum Python loop. Isso é chamado de vectorization.
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()) # 20.0Toda a estrutura de dados e machine-learning está sobre o numpy, então este é o primeiro passo natural. Nós o importamos como np por convenção.
Construa um array com np.array(a_list), depois chame métodos como .sum() e .mean() direto nele. Eles retornam números únicos (um escalar Python/numpy), não listas.
Importe numpy como np. Transforme a list [4, 8, 12, 16] em um array numpy chamado arr. Depois calcule total como sua soma e avg como sua média. Imprima avg.
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.