Data Science Academy · Oppitunti

Vektorisoitu matematiikka ilman silmukoita

Suorita alkiokohtaisia operaatioita kokonaisille taulukoille.

Oppitunti 3/413 vaihetta

Vektorisoitu matematiikka ilman silmukoita on ilmainen Data Science Academy-oppitunti CoddyKitissä. Tämä on oppitunti 3/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Data Science Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Data Science Academy-kurssilla on yhteensä 4 oppituntia.

Laske kokonaisilla taulukoilla

NumPyllä tarvitsette harvoin silmukoita laskentaan. Käytätte operaatiota koko taulukkoon kerralla, jolloin jokainen alkio päivittyy yhdessä. ⚡

Perinteinen silmukkatapa

Pelkässä Pythonissa lukujen kaksinkertaistaminen tarkoittaa niiden käsittelyä yksi kerrallaan silmukassa. Se toimii, mutta on suurilla aineistoilla monisanaista ja hidasta.

out = []
for x in nums:
    out.append(x * 2)

Vektorisoitu tapa

NumPy tiivistää silmukan yhdeksi riviksi. Vektorointi tarkoittaa, että operaatio suoritetaan koko taulukolle nopeana käännettynä koodina.

arr * 2  # every element doubled

Oletusarvoisesti alkioittain

Kun lisäätte kaksi taulukkoa, NumPy yhdistää niiden alkiot sijainnin perusteella. Tämä alkioittainen toiminta on taulukkolaskennan ydin.

np.array([1, 2, 3]) + np.array([10, 20, 30])

Skalaarit leviävät kaikkialle

Kun lisäätte taulukkoon yhden luvun, se vaikuttaa jokaiseen alkioon. NumPy kutsuu tätä skalaarin broadcastingiksi koko ruudukon yli.

np.array([1, 2, 3]) + 100

Kaikki operaattorit toimivat

Myös vähennyslasku, jakolasku ja potenssit toimivat alkioittain. Yksi lauseke muuntaa miljoonaa lukua hetkessä.

arr ** 2  # square each element

Universaalit funktiot

NumPy sisältää nopeita matemaattisia apufunktioita, joita kutsutaan ufunc-funktioiksi. np.sqrt ja np.exp toimivat koko taulukolle ilman ainuttakaan silmukkaa.

np.sqrt(np.array([1, 4, 9]))  # 1 2 3

Vertaile kokonaisia taulukoita

Myös vertailut vektoroituvat. Lauseke kuten arr > 5 palauttaa boolean-taulukon, jossa on yksi True tai False jokaista alkiota kohden.

np.array([3, 7, 5]) > 5  # F T F

Miksi se toimii niin nopeasti

Vektoroitu koodi siirtää silmukan optimoituun C-koodiin. Ohitatte Pythonin jokaisen vaiheen yleiskustannukset, joten sama työ valmistuu huomattavasti nopeammin. 🚀

Koodi on myös selkeämpää

Nopeuden lisäksi vektorisoitu matematiikka näyttää itse kaavalta. Lyhyempi koodi tarkoittaa vähemmän virheitä ja analyysia, jota kuka tahansa voi seurata.

celsius = (fahrenheit - 32) * 5 / 9

Ajattele taulukoina

Ajattelutavan muutos on yksinkertainen: älkää ajatelko yhtä lukua kerrallaan, vaan alkakaa ajatella kokonaisia taulukoita. Tämä tapa avaa NumPyn tehon. 🧠

Pikatarkistus

Katsotaan, mitä vektorisoitu matematiikka palauttaa.

Vastaa interaktiivisessa oppitunnissa

Kertaus

Opitte luopumaan silmukasta: vektorisoitu matematiikka käsittelee kokonaisia taulukoita alkioittain, skalaarit levitetään broadcastingilla ja ufunc-funktiot hoitavat loput. Nopeampaa ja selkeämpää. 🎉

Aloita maksutta

Opi Python tekoälytuutorin avulla — ilmaiseksi

Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.

Kurssit: 30
Oppitunnit: 120

Aloita opiskelu maksutta Näytä koko kurssi

Usein kysytyt kysymykset

Onko oppitunti ”Vektorisoitu matematiikka ilman silmukoita” ilmainen?

Kyllä – oppitunnin ”Vektorisoitu matematiikka ilman silmukoita” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Data Science Academy-kurssin, päivitä CoddyKit PROhon. Data Science Academy-kurssilla on yhteensä 4 oppituntia.

Mitä opin oppitunnilla ”Vektorisoitu matematiikka ilman silmukoita”?

Suorita alkiokohtaisia operaatioita kokonaisille taulukoille. Harjoittelet Data Science Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.

Tarvitsenko kokemusta aloittaakseni Data Science Academy-opiskelun?

Aiempi kokemus ei ole tarpeen. CoddyKitin Data Science Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 3/4.

Kuinka kauan ”Vektorisoitu matematiikka ilman silmukoita”-oppitunnin suorittaminen kestää?

Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.

Voinko kirjoittaa ja suorittaa koodia tällä Data Science Academy-oppitunnilla?

Kyllä. Jokainen Data Science Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.

Kaikki tämän kurssin oppitunnit

Python-listasta ndarrayksi
Shape, size ja dtype
Vektorisoitu matematiikka ilman silmukoita
Taulukoiden indeksointi ja viipalointi

← Takaisin: Data Science Academy