Gli array di NumPy (ndarray)
In questa lezione creerai un array NumPy bidimensionale e ne vedrai le informazioni di base, come la forma (shape) e il numero di elementi (size).
Introduzione
Il problema
Le liste Python sono flessibili ma lente per la matematica su molti numeri: aggiungere 1 a un milione di valori richiede un ciclo Python. Scienza, analisi dei dati e machine learning lavorano con grandi griglie di numeri, e hanno bisogno di una struttura costruita per calcoli veloci su tutti i valori insieme.
Immaginalo così
Un array NumPy è come un foglio di carta millimetrata in cui ogni quadretto contiene lo stesso tipo di numero. Siccome ogni quadretto ha la stessa dimensione e lo stesso tipo, puoi lavorare su un'intera riga, una colonna o tutto il foglio in un colpo, invece di visitare i quadretti uno per uno.
np.array([[1, 2, 3], [4, 5, 6]])📄 Un foglio con 2 righe e 3 colonnevalues.shape📐 Le sue dimensioni: (2, 3)values.size🔢 Quante caselle: 6print(values)👀 Tutto il foglio, riga per rigaUn array NumPy (ndarray) è una griglia di valori di un solo tipo di dato con una forma fissa, pensata per operazioni veloci su tutti gli elementi insieme.
Punti chiave
np.array([[1, 2, 3], [4, 5, 6]])trasforma una lista di liste in un array bidimensionale.values.shapeè(2, 3): due righe e tre colonne.values.sizeconta tutti gli elementi: 6.- Ogni elemento ha lo stesso tipo, ed è questo che rende veloce la matematica sugli array.
Quando si usa?
- Calcoli su molti numeri insieme: punteggi, misure, prezzi.
- Le immagini, che sono array di valori dei pixel.
- Il formato di input della maggior parte delle librerie di data science e machine learning.
Quando non serve
- Dati misti come nomi e numeri insieme: va meglio un DataFrame pandas o una lista di dizionari.
- Collezioni che crescono elemento per elemento: aggiungere a un array lo copia ogni volta, quindi costruisci prima una lista.
Guarda come funziona
Punta una cella per vedere riga, colonna e posizione in memoria, dove tutte le righe sono salvate una dopo l'altra.
Codice di esempio
import numpy as np
values = np.array([[1, 2, 3], [4, 5, 6]])
print(values)
print("shape:", values.shape)
print("size:", values.size)
Risultato dell'esecuzione
[[1 2 3]
[4 5 6]]
shape: (2, 3)
size: 6
Spiegazione del codice
La funzione np.array() crea un array bidimensionale di 2 righe e 3 colonne a partire da una lista annidata. L'attributo shape indica la dimensione di ogni asse, qui (2, 3), e size indica il numero totale di elementi, cioè 6.
Modifica i valori ed esegui il programma nel compilatore Python online CodeUtility senza installare Python.
Esercizi di approfondimento
Prova a modificare il codice seguendo i suggerimenti qui sotto. Cambiare il codice e osservare il risultato ti aiuta a capire molto più che leggerlo soltanto.
- Cambia la forma (shape) e il tipo di dato (dtype) dell'array di input.
- Prova con numeri negativi, decimali e valori mancanti.
- Applica la stessa operazione a un array più grande, con più dimensioni, e misura il tempo.
Errori comuni
Righe irregolari
Righe di lunghezze diverse non formano un vero array 2D.
np.array([[1, 2, 3], [4, 5]]) # error or object array
np.array([[1, 2, 3], [4, 5, 6]])
Hai finito questa lezione?
Segnala come imparata per tenere traccia dei tuoi progressi.
Esercitati con una sfida
Usa ciò che questa lezione spiega per risolvere un problema reale. Ogni sfida gira nel browser, con test immediati e una revisione dell'IA.
- Prodotto scalare di due vettori Moltiplica due vettori elemento per elemento e somma i risultati, l'operazione alla base di ogni neurone. Facile
- Somma di un Array Somma tutti i valori in una lista. Facile
- Funzioni di attivazione Applica sigmoide, ReLU, Leaky ReLU o tanh a ogni valore di una lista. Facile