Vektorisert matematikk uten løkker
Utfør elementvise operasjoner på hele tabeller.
Vektorisert matematikk uten løkker er en gratis leksjon i Data Science Academy på CoddyKit. Dette er leksjon 3 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Data Science Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Data Science Academy inneholder totalt 4 leksjoner.
Matematikk på hele arrayer
Med NumPy trenger De sjelden løkker for matematikk. De bruker en operasjon på en hel array samtidig, og alle elementene oppdateres sammen. ⚡
Den gamle løkkemåten
I vanlig Python betyr dobling av tall at De går gjennom dem ett etter ett. Det fungerer, men er omstendelig og tregt for store datasett.
out = []
for x in nums:
out.append(x * 2)Den vektoriserte måten
NumPy samler løkken i én linje. Vektorisering betyr at operasjonen kjøres over hele arrayen i rask, kompilert kode.
arr * 2 # every element doubledElementvis som standard
Legger De sammen to arrayer, kobler NumPy elementene sammen posisjon for posisjon. Denne elementvise oppførselen er kjernen i arraymatematikk.
np.array([1, 2, 3]) + np.array([10, 20, 30])Skalaren spres overalt
Legger De ett tall til en array, påvirker det hvert element. NumPy kaller dette å kringkaste skalaren over hele rutenettet.
np.array([1, 2, 3]) + 100Alle operatorene fungerer
Subtraksjon, divisjon og potenser fungerer også elementvis. Ett uttrykk kan omforme én million tall på et øyeblikk.
arr ** 2 # square each elementUniverselle funksjoner
NumPy leveres med raske hjelpefunksjoner for matematikk, kalt ufuncs. np.sqrt og np.exp kjøres over en hel array uten én eneste løkke.
np.sqrt(np.array([1, 4, 9])) # 1 2 3Sammenlign hele arrayer
Sammenligninger kan også vektoriseres. Et uttrykk som arr > 5 returnerer en boolsk array, med én True eller False for hvert element.
np.array([3, 7, 5]) > 5 # F T FHvorfor det går så raskt
Vektorisert kode flytter løkken ned i optimalisert C. De slipper Pythons kostnad for hvert trinn, så det samme arbeidet blir ferdig mye raskere. 🚀
Tydeligere kode også
I tillegg til hastigheten leses vektorisert matematikk som selve formelen. Mindre kode betyr færre feil og en analyse alle kan følge.
celsius = (fahrenheit - 32) * 5 / 9Tenk i arrayer
Tankespranget er enkelt: Slutt å tenke på ett tall om gangen, og begynn å tenke på hele arrayer. Denne vanen låser opp kraften i NumPy. 🧠
Hurtigsjekk
La oss se hva vektorisert matematikk returnerer.
Oppsummering
De har lært å droppe løkken: vektorisert matematikk bruker operasjoner elementvis på hele arrayer, med kringkasting av skalare og ufuncs for resten. Raskere og tydeligere. 🎉
Lær deg Python med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 30
- Leksjoner
- 120
Ofte stilte spørsmål
Er leksjonen «Vektorisert matematikk uten løkker» gratis?
Ja – hele teksten i «Vektorisert matematikk uten løkker» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av Data Science Academy-kurset, kan du oppgradere til CoddyKit PRO. Kurset i Data Science Academy inneholder totalt 4 leksjoner.
Hva lærer jeg i «Vektorisert matematikk uten løkker»?
Utfør elementvise operasjoner på hele tabeller. Du øver på Data Science Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med Data Science Academy?
Ingen tidligere erfaring er nødvendig. Data Science Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 3 av 4.
Hvor lang tid tar leksjonen «Vektorisert matematikk uten løkker»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne Data Science Academy-leksjonen?
Ja. Alle Data Science Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Fra Python-liste til ndarray
- Shape, størrelse og dtype
- Vektorisert matematikk uten løkker
- Indeksering og slicing av tabeller