Vektorisierte Mathematik ohne Schleifen
Führen Sie elementweise Operationen über ganze Arrays aus.
Vektorisierte Mathematik ohne Schleifen ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Mit ganzen Arrays rechnen
Mit NumPy schreiben Sie für Berechnungen nur selten Schleifen. Sie wenden eine Operation auf einmal auf ein gesamtes Array an, und jedes Element wird gemeinsam aktualisiert. ⚡
Die herkömmliche Schleifenmethode
In reinem Python bedeutet das Verdoppeln von Zahlen, sie einzeln zu durchlaufen. Das funktioniert, ist bei großen Datensätzen aber umständlich und langsam.
out = []
for x in nums:
out.append(x * 2)Die vektorisierte Methode
NumPy fasst diese Schleife in einer einzigen Zeile zusammen. Vektorisierung bedeutet, dass die Operation über das gesamte Array hinweg in schnellem kompiliertem Code ausgeführt wird.
arr * 2 # every element doubledStandardmäßig elementweise
Addieren Sie zwei Arrays, ordnet NumPy ihre Elemente positionsweise einander zu. Dieses elementweise Verhalten bildet das Herzstück der Array-Arithmetik.
np.array([1, 2, 3]) + np.array([10, 20, 30])Skalare werden überall angewendet
Addieren Sie eine einzelne Zahl zu einem Array, wird sie auf jedes Element angewendet. NumPy nennt das Broadcasting des Skalars über das gesamte Raster.
np.array([1, 2, 3]) + 100Alle Operatoren funktionieren
Auch Subtraktion, Division und Potenzen funktionieren elementweise. Ein einziger Ausdruck verwandelt eine Million Zahlen im Handumdrehen.
arr ** 2 # square each elementUniverselle Funktionen
NumPy liefert schnelle mathematische Hilfsfunktionen, die ufuncs genannt werden. np.sqrt und np.exp werden auf ein gesamtes Array angewendet – ohne eine einzige Schleife.
np.sqrt(np.array([1, 4, 9])) # 1 2 3Ganze Arrays vergleichen
Auch Vergleiche werden vektorisiert. Ein Ausdruck wie arr > 5 gibt ein boolesches Array zurück: pro Element ein True oder False.
np.array([3, 7, 5]) > 5 # F T FWarum das so schnell läuft
Vektorisierter Code verlagert die Schleife in optimierten C-Code. Dadurch entfällt der Overhead für jeden einzelnen Python-Schritt, und dieselbe Arbeit ist deutlich schneller erledigt. 🚀
Außerdem klarerer Code
Neben der Geschwindigkeit liest sich vektorisierte Mathematik wie die Formel selbst. Weniger Code bedeutet weniger Fehler und eine Analyse, der alle folgen können.
celsius = (fahrenheit - 32) * 5 / 9In Arrays denken
Die Umstellung der Denkweise ist einfach: Hören Sie auf, einzelne Zahlen zu betrachten, und denken Sie stattdessen in gesamten Arrays. Diese Gewohnheit erschließt Ihnen die Leistung von NumPy. 🧠
Schnelltest
Sehen wir uns an, was vektorisierte Mathematik zurückgibt.
Rückblick
Sie haben gelernt, die Schleife wegzulassen: Vektorisierte Mathematik wendet Operationen elementweise auf ganze Arrays an, wobei Skalare per Broadcasting verteilt werden und ufuncs den Rest erledigen. Schneller und klarer. 🎉
Häufig gestellte Fragen
Ist die Lektion „Vektorisierte Mathematik ohne Schleifen“ kostenlos?
Ja — der vollständige Text von „Vektorisierte Mathematik ohne Schleifen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Vektorisierte Mathematik ohne Schleifen“?
Führen Sie elementweise Operationen über ganze Arrays aus. Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Data Science Academy zu starten?
Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.
Wie lange dauert die Lektion „Vektorisierte Mathematik ohne Schleifen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?
Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Von der Python-Liste zum ndarray
- Shape, Size und dtype
- Vektorisierte Mathematik ohne Schleifen
- Arrays indizieren und Slices erstellen