Программа курса Урок 78 из 250 · Основы данных: numpy и pandas
Основы данных: numpy и pandas

Векторизация и транслирование

Арифметические операции над массивами происходят поэлементно, без цикла:

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 это то, как numpy растягивает меньшую форму, чтобы она подошла к большей. Одно число (скаляр) применяется к каждому элементу:

a = np.array([1, 2, 3])
print(a + 100)   # [101 102 103]
print(a ** 2)    # [1 4 9]

Это также работает по строкам. 1D строка длиной 3 транслируется вниз по каждой строке сетки 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]]

Сравнения тоже векторизованы и дают boolean массив, который мы скоро используем для фильтрации:

scores = np.array([55, 90, 70, 40])
print(scores >= 60)   # [False  True  True False]

Векторный код короче и намного быстрее, чем эквивалентный Python цикл.

Твоя очередь

Начните с celsius = np.array([0, 10, 20, 30]). Используя векторизованную математику (без loop), конвертируйте в Фаренгейт по формуле F = C * 9/5 + 32 и сохраните в fahrenheit. Затем создайте булевый массив warm, который будет True там, где fahrenheit составляет не менее 60.

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.