Begreper & referanser
Alle nøkkelbegrepene, formlene og referansene fra NumPy — beregning med arrays, samlet på én side. Bruk denne som oppslag når du leser, øver flashcards eller tar quiz.
Begreper
Sentrale begreper fra kapittelet med korte definisjoner.
En datastruktur i NumPy for å lagre mange verdier av samme type tett etter hverandre i minnet. Ligner en liste, men er optimalisert for numerisk beregning og krever ensartet elementtype.
Det formelle navnet på NumPy sin array-type («n-dimensjonalt array»). Kan ha én dimensjon (en rad med tall) eller flere (tabeller, matriser).
Å utføre en operasjon på alle elementene i et array samtidig, uten en eksplisitt Python-løkke. Internt kjøres beregningen i kompilert kode, noe som gjør den langt raskere enn en tilsvarende løkke.
NumPy sin mekanisme for å kombinere arrays med ulik form ved automatisk å strekke det minste ut så det passer det største. Enklest når et array kombineres med ett enkelt tall.
Kodesnutter
Kodesnutter fra kapittelet, vist literal.
Lag et NumPy-array og regn vektorisert
import numpy as np temp = np.array([12.0, 14.5, 13.2, 15.8, 16.1, 14.0]) print(temp[0]) # 12.0 (indeksering som en liste)print(temp[1:4]) # [14.5 13.2 15.8] (slicing) # Vektorisert: regn på alle elementene samtidig, uten løkkefahrenheit = temp * 9 / 5 + 32print(fahrenheit)print(temp.mean()) # gjennomsnitt av alle målingeneVises her for å forklare mønsteret; kjør den i laben der NumPy er installert. Legg merke til at omregningen skjer på hele arrayet uten en eneste løkke.
Læringsmål
Hva du skal kunne etter å ha lest kapittelet.
- 01Forklare hva et NumPy-array er og hvordan det skiller seg fra en vanlig Python-liste med hensyn til type og lagring
- 02Bruke vektorisering til å regne på alle elementene i et array samtidig uten en eksplisitt løkke
- 03Forklare hva broadcasting gjør, og gjenkjenne det enkleste tilfellet der et array kombineres med ett enkelt tall
- 04Kombinere NumPy-arrays med plotting ved å lage x-verdier og regne ut y-verdier vektorisert