Funzioni universali (ufunc)
Applichi agli array funzioni integrate elemento per elemento, come np.sqrt, np.abs, np.exp e np.log, senza scrivere cicli.
Funzioni universali (ufunc) è una lezione Pandas & NumPy Academy 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 Pandas & NumPy Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Pandas & NumPy Academy include 4 lezioni in totale.
Che cosa sono le ufunc?
Le funzioni universali (ufunc) eseguono un'operazione matematica su ogni elemento di un array simultaneamente, in C compilato e veloce, molto più rapidamente di un ciclo Python. ⚡
import numpy as np
a = np.array([1.0, 4.0, 9.0, 16.0])
print(np.sqrt(a)) # [1. 2. 3. 4.]
# Equivalent Python loop would be hundreds of times slowerUfunc matematiche: sqrt, exp, log
Tutte le funzioni matematiche preferite sono ufunc: np.sqrt, np.exp, np.log e molte altre. Si applicano a interi array contemporaneamente e gestiscono correttamente i casi limite.
import numpy as np
a = np.array([0.0, 1.0, 2.0, 3.0])
print(np.exp(a)) # [1. 2.718 7.389 20.086]
print(np.log(np.exp(a))) # [0. 1. 2. 3.]
print(np.log2(np.array([1, 2, 4, 8]))) # [0. 1. 2. 3.]Ufunc trigonometriche
Le ufunc trigonometriche di NumPy, come np.sin e np.cos, si aspettano angoli espressi in radianti. Usi np.deg2rad per convertire prima i gradi.
import numpy as np
angles = np.array([0, 30, 60, 90])
rad = np.deg2rad(angles)
print(np.sin(rad).round(4)) # [0. 0.5 0.866 1. ]
print(np.cos(rad).round(4)) # [1. 0.866 0.5 0. ]np.abs, np.floor, np.ceil, np.round
Per gli arrotondamenti, usi np.floor (per difetto), np.ceil (per eccesso) e np.round (al più vicino). Consentono di elaborare i valori float dell'intero array in un'unica operazione.
import numpy as np
a = np.array([-2.7, 0.4, 1.5, 3.9])
print(np.abs(a)) # [2.7 0.4 1.5 3.9]
print(np.floor(a)) # [-3. 0. 1. 3.]
print(np.ceil(a)) # [-2. 1. 2. 4.]
print(np.round(a)) # [-3. 0. 2. 4.]np.maximum e np.minimum
np.maximum(a, b) seleziona il valore maggiore in ogni posizione tra due array, diversamente da np.max, che restituisce un solo numero. np.maximum(a, 0) è ReLU!
import numpy as np
a = np.array([-3, 1, 5, -2, 4])
b = np.array([0, 0, 3, 3, 3])
print(np.maximum(a, b)) # [0 1 5 3 4]
print(np.minimum(a, b)) # [-3 0 3 -2 3]
# ReLU
print(np.maximum(a, 0)) # [0 1 5 0 4]np.clip per limitare i valori
np.clip mantiene ogni elemento all'interno di un intervallo: ciò che è troppo basso viene portato al minimo e ciò che è troppo alto viene ridotto al massimo. È ideale per limitare i valori.
import numpy as np
a = np.array([0.1, 0.5, -0.2, 1.3, 0.9])
clipped = np.clip(a, 0.0, 1.0)
print(clipped) # [0.1 0.5 0. 1. 0.9]Ufunc su array multidimensionali
Le ufunc funzionano su array di qualsiasi forma. L'operazione matematica viene applicata a ogni elemento e il risultato mantiene la stessa forma, senza bisogno di reshape.
import numpy as np
m = np.array([[1.0, 4.0], [9.0, 16.0]])
print(np.sqrt(m))
# [[1. 2.]
# [3. 4.]]Il parametro out per l'efficienza della memoria
Ogni ufunc accetta un argomento out= per scrivere i risultati in un array già esistente. In questo modo si evita di crearne uno nuovo, cosa utile nei cicli intensivi e sensibili alla memoria.
import numpy as np
a = np.array([1.0, 4.0, 9.0])
result = np.empty(3)
np.sqrt(a, out=result) # write directly into result
print(result) # [1. 2. 3.]np.add.reduce e .accumulate
Ogni ufunc ha un metodo .reduce() che combina tutti gli elementi (np.add.reduce equivale semplicemente a sum) e .accumulate() per calcolare i totali progressivi.
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.add.reduce(a)) # 15
print(np.add.accumulate(a)) # [ 1 3 6 10 15]
print(np.multiply.reduce(a)) # 120np.frompyfunc per ufunc personalizzate
np.frompyfunc trasforma qualsiasi funzione Python in una ufunc applicabile agli array. È più lenta delle funzioni integrate, quindi la riservi alla prototipazione rapida.
import numpy as np
def clamp_positive(x):
return x if x > 0 else 0.0
vfunc = np.frompyfunc(clamp_positive, 1, 1)
a = np.array([-2, 3, -1, 5])
print(vfunc(a)) # [0.0 3 0.0 5] (object dtype)Confrontare le ufunc con i cicli Python
La differenza di velocità è enorme: su un milione di elementi, una ufunc può essere circa 200 volte più veloce di un ciclo Python. Nei calcoli numerici, scelga sempre prima le ufunc. 🚀
import numpy as np
import time
a = np.random.rand(1_000_000)
start = time.perf_counter()
np.sqrt(a)
print('ufunc:', round(time.perf_counter() - start, 4), 's')
start = time.perf_counter()
[x ** 0.5 for x in a]
print('loop:', round(time.perf_counter() - start, 4), 's')Verifica rapida
Verifichi la Sua comprensione delle ufunc NumPy trattate in questa lezione.
Riepilogo della lezione
Ottimo lavoro! Le ufunc eseguono calcoli elemento per elemento in C veloce, includono sqrt, exp, log e funzioni trigonometriche, mentre l'argomento out= consente di risparmiare memoria. Prossimo argomento: le funzioni di aggregazione.
Domande Frequenti
La lezione «Funzioni universali (ufunc)» è gratuita?
Sì — il testo completo di «Funzioni universali (ufunc)» 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 Pandas & NumPy Academy, passa a CoddyKit PRO. Il corso Pandas & NumPy Academy include 4 lezioni in totale.
Cosa imparerò in «Funzioni universali (ufunc)»?
Applichi agli array funzioni integrate elemento per elemento, come np.sqrt, np.abs, np.exp e np.log, senza scrivere cicli. Eserciti Pandas & NumPy Academy 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 Pandas & NumPy Academy?
Non è richiesta alcuna esperienza precedente. Pandas & NumPy Academy 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 «Funzioni universali (ufunc)»?
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 Pandas & NumPy Academy?
Sì. Ogni lezione Pandas & NumPy Academy 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
- Funzioni universali (ufunc)
- Funzioni di aggregazione
- Regole di broadcasting
- Mascheramento booleano e indicizzazione avanzata