Python Academy · Oppitunti

Taulukko-operaatiot ja broadcasting

Suorittakaa vektorisoitua aritmetiikkaa ja ymmärtäkää broadcasting-säännöt.

Oppitunti 2/413 vaihetta

Taulukko-operaatiot ja broadcasting on ilmainen Python Academy-oppitunti CoddyKitissä. Tämä on oppitunti 2/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Python Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Python Academy-kurssilla on yhteensä 4 oppituntia.

Vektorisoitu aritmetiikka

NumPy suorittaa aritmeettiset operaatiot alkioittain kokonaisille taulukoille ilman Python-silmukoita — optimoidussa C-koodissa.

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)    # [5 7 9]
print(a * b)    # [4 10 18]
print(a ** 2)   # [1 4 9]

Universaalifunktiot (ufuncit)

NumPyn ufuncit käyttävät alkioittain suoritettavia C-tason funktioita: np.sqrt, np.exp, np.log, np.sin ja niin edelleen.

import numpy as np

x = np.linspace(0, np.pi, 5)
print(np.sin(x))   # [0. 0.707 1. 0.707 0.]
print(np.exp([1.0, 2.0, 3.0]))   # [2.718 7.389 20.086]

Reduktio-operaatiot

Supistakaa taulukko skalaariksi (tai pienemmän dimension taulukoksi) käyttämällä funktioita np.sum, np.mean, np.max, np.min ja np.std.

import numpy as np

m = np.array([[1, 2, 3], [4, 5, 6]])
print(np.sum(m))          # 21
print(np.sum(m, axis=0))  # [5 7 9]  — sum each column
print(np.sum(m, axis=1))  # [6 15]   — sum each row

Broadcasting-säännöt

Broadcasting laajentaa pienemmät taulukot vastaamaan suurempia taulukoita — kopioimatta dataa. Sääntö: dimensiot kohdistetaan oikealta alkaen ja koon 1 dimensiot laajennetaan.

import numpy as np

a = np.array([[1], [2], [3]])  # shape (3,1)
b = np.array([10, 20, 30])     # shape (3,)

print(a + b)
# [[11 21 31]
#  [12 22 32]
#  [13 23 33]]

Skalaarien broadcasting-operaatiot

Skalaari broadcastataan taulukon kaikkiin alkioihin.

import numpy as np

arr = np.arange(6).reshape(2, 3)
print(arr + 10)
# [[10 11 12]
#  [13 14 15]]
print(arr * 0.5)
# [[0.  0.5 1. ]
#  [1.5 2.  2.5]]

Vertailu- ja Boolen-operaatiot

Vertailut tuottavat Boolen-taulukoita. Yhdistäkää ne operaattoreilla &, | ja ~ (ei Pythonin operaattoreilla and, or ja not).

import numpy as np

arr = np.array([1, 5, 3, 8, 2])
print(arr > 3)           # [False  True False  True False]
print(arr[(arr > 2) & (arr < 7)])  # [5 3]

where()

np.where(condition, x, y) palauttaa x:n alkiot kohdissa, joissa arvo on True, ja y:n alkiot kohdissa, joissa arvo on False.

import numpy as np

arr = np.array([-2, 3, -1, 4, 0])
result = np.where(arr >= 0, arr, 0)  # clip negatives to 0
print(result)   # [0 3 0 4 0]

Aggregointi akseleita pitkin

Määrittäkää axis=, jotta voitte supistaa moniulotteisen taulukon tietyn dimension suunnassa.

import numpy as np

data = np.arange(12).reshape(3, 4)
print(data.mean(axis=0))   # mean of each column → shape (4,)
print(data.mean(axis=1))   # mean of each row → shape (3,)

cumsum ja diff

np.cumsum laskee kumulatiiviset summat; np.diff laskee peräkkäisten alkioiden erot.

import numpy as np

prices = np.array([100, 110, 105, 115])
print(np.cumsum(prices))          # [100 210 315 430]
print(np.diff(prices))            # [10 -5 10] (daily changes)

Vektoroidut merkkijono-operaatiot

np.char tarjoaa vektoroituja merkkijono-operaatioita merkkijonotaulukoille.

import numpy as np

words = np.array(["apple", "banana", "cherry"])
print(np.char.upper(words))       # ['APPLE' 'BANANA' 'CHERRY']
print(np.char.startswith(words, "a"))  # [True False False]

Suorituskyky verrattuna Python-listoihin

NumPy on numeerisissa tehtävissä 10–100 kertaa nopeampi kuin vastaavat Python-silmukat, koska se suoritetaan C-koodissa ilman Python-tulkin aiheuttamaa yleiskustannusta.

import numpy as np, time

n = 1_000_000

start = time.perf_counter()
python_sum = sum(i**2 for i in range(n))
print(f"Python: {time.perf_counter()-start:.3f}s")

arr = np.arange(n)
start = time.perf_counter()
numpy_sum = (arr**2).sum()
print(f"NumPy:  {time.perf_counter()-start:.3f}s")

Pikatarkistus

Kun shape-(3,1)-taulukko lasketaan yhteen shape-(3,)-taulukon kanssa, mikä on tuloksen shape?

Vastaa interaktiivisessa oppitunnissa

Kertaus

NumPy-operaatiot suoritetaan alkioittain C-koodissa (ilman Python-silmukoita). Broadcasting laajentaa yhteensopivia muotoja kopioimatta dataa. Käyttäkää axis=-parametria reduktioihin tiettyjen dimensioiden suunnassa. Ufuncit (np.sin, np.exp ja niin edelleen) suorittavat operaatiot alkioittain C:n nopeudella.

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: 76
Oppitunnit: 320

Aloita opiskelu maksutta Näytä koko kurssi

Usein kysytyt kysymykset

Onko oppitunti ”Taulukko-operaatiot ja broadcasting” ilmainen?

Kyllä – oppitunnin ”Taulukko-operaatiot ja broadcasting” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Python Academy-kurssin, päivitä CoddyKit PROhon. Python Academy-kurssilla on yhteensä 4 oppituntia.

Mitä opin oppitunnilla ”Taulukko-operaatiot ja broadcasting”?

Suorittakaa vektorisoitua aritmetiikkaa ja ymmärtäkää broadcasting-säännöt. Harjoittelet Python Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.

Tarvitsenko kokemusta aloittaakseni Python Academy-opiskelun?

Aiempi kokemus ei ole tarpeen. CoddyKitin Python Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 2/4.

Kuinka kauan ”Taulukko-operaatiot ja broadcasting”-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 Python Academy-oppitunnilla?

Kyllä. Jokainen Python 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

NumPy-taulukot ja dtypet
Taulukko-operaatiot ja broadcasting
Indeksointi, viipalointi ja fancy-indeksointi
Lineaarialgebra NumPylla

← Takaisin: Python Academy