Creazione e proprietà degli array
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size.
Creazione e proprietà degli array è una lezione Learn AI with Python gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Learn AI with Python, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Learn AI with Python include 4 lezioni in totale.
L'ndarray
L'oggetto fondamentale di NumPy è l'ndarray: una griglia omogenea di numeri, di dimensione fissa, memorizzata in memoria contigua. È questa struttura a rendere NumPy veloce.
import numpy as np
a = np.array([1, 2, 3, 4])
print(a) # [1 2 3 4]Da liste annidate
Passi una lista di liste per creare un array 2D. NumPy deduce la forma dalla struttura.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
# [4 5 6]]Zeri e uni
np.zeros e np.ones preallocano array con una forma specificata: è il metodo standard per creare contenitori vuoti prima di riempirli.
print(np.zeros((2, 3))) # 2x3 of 0.0
print(np.ones(4)) # [1. 1. 1. 1.]Matrice identità con eye
np.eye(n) crea una matrice identità n per n: uni sulla diagonale e zeri altrove. È fondamentale per l'algebra lineare.
print(np.eye(3))
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]Intervalli con arange
np.arange(start, stop, step) funziona come range di Python, ma restituisce un array e accetta passi float.
print(np.arange(0, 10, 2)) # [0 2 4 6 8]
print(np.arange(0, 1, 0.25)) # [0. 0.25 0.5 0.75]Spaziatura uniforme con linspace
np.linspace(start, stop, num) restituisce num punti equidistanti, includendo entrambi gli estremi. È perfetto per gli assi dei grafici.
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]arange e linspace a confronto
Usi arange quando conosce il passo; usi linspace quando conosce il numero di punti. linspace evita la deriva del passo dovuta all'aritmetica in virgola mobile.
# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)shape e ndim
.shape è una tupla delle dimensioni; .ndim è il numero di dimensioni. Un array 2x3 ha shape (2,3) e ndim 2.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape) # (2, 3)
print(m.ndim) # 2size e dtype
.size è il numero totale di elementi; .dtype è il tipo di dati degli elementi. NumPy sceglie automaticamente un dtype numerico efficiente.
print(m.size) # 6
print(m.dtype) # int64itemsize e memoria
.itemsize è la dimensione in byte di un elemento. Lo moltiplichi per .size per stimare l'occupazione di memoria dell'array.
print(m.itemsize) # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes totalScelta di un dtype
Può imporre un dtype per risparmiare memoria o garantire la precisione. float32 dimezza la memoria rispetto a float64.
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4Controllo rapido
Verifichi la Sua conoscenza della creazione degli array.
Riepilogo
Strumenti per la creazione degli array:
np.arraydalle liste,np.zeros/np.onesper i contenitori vuoti,np.eyeper la matrice identitànp.arange(per passo) enp.linspace(per numero di punti) a confronto- Proprietà:
shape,ndim,size,dtype,itemsize
Domande Frequenti
La lezione «Creazione e proprietà degli array» è gratuita?
Sì — il testo completo di «Creazione e proprietà degli array» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Learn AI with Python, passa a CoddyKit PRO. Il corso Learn AI with Python include 4 lezioni in totale.
Cosa imparerò in «Creazione e proprietà degli array»?
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size. Eserciti Learn AI with Python con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Learn AI with Python?
Non è richiesta alcuna esperienza precedente. Learn AI with Python su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Creazione e proprietà degli array»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Learn AI with Python?
Sì. Ogni lezione Learn AI with Python include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Creazione e proprietà degli array
- Indicizzazione, slicing e fancy indexing
- Broadcasting e operazioni vettorializzate
- Algebra lineare con NumPy