Программа курса Урок 76 из 250 · Основы данных: numpy и pandas
Основы данных: numpy и pandas

Почему библиотеки данных: из списков в массивы

Обычные списки Python гибкие, но для чисел они медленные и громоздкие. Удвоение каждого значения в списке означает написание цикла:

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

numpy (Numerical Python) дает вам ndarray: сетку чисел, хранящуюся в одном плотном блоке памяти. Математика над всем массивом происходит в быстром скомпилированном C без Python loop. Это называется 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())     # 20.0

Весь стек данных и машинного обучения построен на numpy, поэтому это естественный первый шаг. Мы импортируем его как np по соглашению.

Создайте массив с np.array(a_list), затем вызывайте методы типа .sum() и .mean() прямо на нем. Они возвращают одиночные числа (скаляр Python/numpy), а не списки.

Твоя очередь

Импортируйте numpy как np. Превратите список [4, 8, 12, 16] в numpy массив под названием arr. Затем вычислите total как его сумму и avg как его среднее значение. Выведите avg.

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.