Массивы NumPy (ndarray)
В этом уроке вы создадите двумерный массив NumPy и посмотрите его основные характеристики: форму (shape) и число элементов (size).
Введение
Какую задачу это решает
Списки Python гибкие, но для вычислений над большим количеством чисел они медленные: чтобы прибавить 1 к миллиону значений, нужен цикл на Python. В науке, анализе данных и машинном обучении работают с большими сетками чисел, и для этого нужна структура, созданная для быстрых вычислений сразу над всеми значениями.
Пример из жизни
Массив NumPy похож на лист миллиметровки, где в каждой клетке число одного и того же вида. Поскольку все клетки одного размера и типа, можно работать сразу со строкой, столбцом или всем листом, а не обходить клетки по одной.
np.array([[1, 2, 3], [4, 5, 6]])📄 Лист с 2 строками и 3 столбцамиvalues.shape📐 Его размер: (2, 3)values.size🔢 Сколько всего клеток: 6print(values)👀 Весь лист, строка за строкойМассив NumPy (ndarray) - сетка значений одного типа данных с фиксированной формой, созданная для быстрых операций сразу над всеми элементами.
Главное
np.array([[1, 2, 3], [4, 5, 6]])превращает список списков в двумерный массив.values.shapeравно(2, 3): две строки и три столбца.values.sizeсчитает все элементы: 6.- Все элементы одного типа, и именно поэтому вычисления с массивами такие быстрые.
Когда это нужно?
- Вычисления сразу над многими числами: баллы, измерения, цены.
- Изображения: по сути это массивы значений пикселей.
- Формат входных данных для большинства библиотек анализа данных и машинного обучения.
Когда это не нужно
- Смешанные данные, например имена и числа вместе: лучше подойдёт DataFrame pandas или список словарей.
- Коллекции, которые растут по одному элементу: при каждом добавлении массив копируется целиком, поэтому сначала соберите список.
Как это работает
Наведите на ячейку, чтобы увидеть её строку, столбец и место в памяти, где все строки хранятся одна за другой.
Пример кода
import numpy as np
values = np.array([[1, 2, 3], [4, 5, 6]])
print(values)
print("shape:", values.shape)
print("size:", values.size)
Результат выполнения
[[1 2 3]
[4 5 6]]
shape: (2, 3)
size: 6
Разбор кода
Функция np.array() создаёт из вложенного списка двумерный массив из 2 строк и 3 столбцов. Атрибут shape показывает размер каждого измерения, здесь (2, 3), а size общее число элементов, то есть 6.
Измените значения и запустите программу в онлайн-компиляторе Python CodeUtility без локальной установки Python.
Упражнения для практики
Попробуйте изменить код по подсказкам ниже. Если менять код и смотреть на результат, урок запомнится гораздо лучше, чем при простом чтении.
- Измените форму (shape) и тип данных (dtype) входного массива.
- Проверьте работу на отрицательных и дробных числах и пропущенных значениях.
- Примените ту же операцию к большему многомерному массиву и измерьте время.
Частые ошибки
Строки разной длины
Из строк разной длины не получится правильный двумерный массив.
np.array([[1, 2, 3], [4, 5]]) # error or object array
np.array([[1, 2, 3], [4, 5, 6]])
Закончили этот урок?
Отметьте его как изученный, чтобы следить за прогрессом.
Попрактикуйтесь на задаче
Примените материал этого урока к реальной задаче. Каждая задача запускается в браузере, с мгновенными тестами и разбором от ИИ.
- Скалярное произведение двух векторов Перемножьте два вектора поэлементно и сложите результаты — это основная операция любого нейрона. Легко
- Сумма массива Сложите все значения в списке. Легко
- Функции активации Примените sigmoid, ReLU, Leaky ReLU или tanh к каждому значению списка. Легко