Esegui NumPy online

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).

  • Intermedio
  • 2 min di lettura
  • 1 esempio eseguibile

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.

Dalla carta millimetrata al codice
np.array([[1, 2, 3], [4, 5, 6]])📄 Un foglio con 2 righe e 3 colonne
values.shape📐 Le sue dimensioni: (2, 3)
values.size🔢 Quante caselle: 6
print(values)👀 Tutto il foglio, riga per riga
Stesso tipo in ogni cella, quindi le operazioni su tutto l'array sono veloci.
In una frase

Un 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

  1. np.array([[1, 2, 3], [4, 5, 6]]) trasforma una lista di liste in un array bidimensionale.
  2. values.shape è (2, 3): due righe e tre colonne.
  3. values.size conta tutti gli elementi: 6.
  4. 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

Esegui codice →
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)
Crea un pulsante Run per questo esempio

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.

  1. Cambia la forma (shape) e il tipo di dato (dtype) dell'array di input.
  2. Prova con numeri negativi, decimali e valori mancanti.
  3. Applica la stessa operazione a un array più grande, con più dimensioni, e misura il tempo.
Esegui nel compilatore Python →

Errori comuni

Righe irregolari

Righe di lunghezze diverse non formano un vero array 2D.

Problema
np.array([[1, 2, 3], [4, 5]])  # error or object array
Correzione
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.

Tutte le sfide