Vector hóa và broadcasting
Phép toán trên mảng diễn ra theo từng phần tử, không có vòng lặp:
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 là cách numpy kéo giãn một hình dạng nhỏ hơn cho vừa với một hình dạng lớn hơn. Một con số đơn (một số vô hướng) được áp dụng cho mọi phần tử:
a = np.array([1, 2, 3])
print(a + 100) # [101 102 103]
print(a ** 2) # [1 4 9]Nó cũng hoạt động theo hàng. Một hàng 1D dài 3 được broadcast xuống mọi hàng của một lưới 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]]Phép so sánh cũng được vector hóa và cho ra một mảng boolean, thứ mà ta sẽ sớm dùng để lọc:
scores = np.array([55, 90, 70, 40])
print(scores >= 60) # [False True True False]Mã vector hóa ngắn hơn và nhanh hơn nhiều so với vòng lặp Python tương đương.
Bắt đầu từ celsius = np.array([0, 10, 20, 30]). Dùng phép toán vector hóa (không có vòng lặp), đổi sang độ F bằng công thức F = C * 9/5 + 32 và lưu vào fahrenheit. Sau đó tạo một mảng boolean warm là True ở những chỗ fahrenheit ít nhất là 60.
Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này
Bài tập này sẽ sớm mở.
Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.