NumPy-Arrays
NumPy-Arrays speichern gleichartig typisierte Werte kompakt und verarbeiten ganze Datenblöcke ohne Python-Schleifen.
Was ist NumPy-Arrays?
NumPy-Arrays speichern gleichartig typisierte Werte kompakt und verarbeiten ganze Datenblöcke ohne Python-Schleifen.
Erstelle ein NumPy-Array und führe vektorisierte Berechnungen aus.
Wann wird dieser Ansatz verwendet?
- Vektorisierte Berechnungen auf vielen Werten ausführen.
- Arrays, Matrizen und wissenschaftliche Daten effizient verarbeiten.
- Daten für Data Science und Machine Learning vorbereiten.
Beispielcode
main.py
import numpy as np
values = np.array([[1, 2, 3], [4, 5, 6]])
print(values)
print("shape:", values.shape)
print("size:", values.size)Erwartete Ausgabe
[[1 2 3]
[4 5 6]]
shape: (2, 3)
size: 6So funktioniert es
Die Rechenoperation wird elementweise auf das Array angewendet. Shape und dtype beschreiben Dimensionen und Datentyp.
Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.
Übungsaufgaben
Verändere Eingaben und Randfälle, bevor du die Lösung mit größeren Datenmengen testest.
- Verändere Shape und dtype des Eingabearrays.
- Teste negative Werte, Fließkommazahlen und fehlende Daten.
- Miss die Laufzeit mit einem größeren Array.