Universele functies (ufuncs)
Pas ingebouwde elementgewijze functies zoals np.sqrt, np.abs, np.exp en np.log toe op arrays zonder lussen te schrijven.
Universele functies (ufuncs) is een gratis Pandas & NumPy Academy-les op CoddyKit. Dit is les 1 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Pandas & NumPy Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Pandas & NumPy Academy bevat in totaal 4 lessen.
Wat zijn ufuncs?
Universele functies (ufuncs) voeren in één keer een rekenkundige bewerking uit op elk element van een array, in snel gecompileerd C — veel sneller dan een Python-lus. ⚡
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 slowerRekenkundige ufuncs: sqrt, exp, log
Al je favoriete wiskundige functies zijn ufuncs: np.sqrt, np.exp, np.log en meer. Ze werken in één keer op volledige arrays en handelen randgevallen netjes af.
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.]Trigonometrische ufuncs
De trigonometrische ufuncs van NumPy, zoals np.sin en np.cos, verwachten hoeken in radialen. Gebruik eerst np.deg2rad om graden om te zetten.
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
Gebruik voor afronden np.floor (naar beneden), np.ceil (naar boven) en np.round (naar het dichtstbijzijnde getal). Ze ronden kommagetallen in de hele array in één keer af.
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 en np.minimum
np.maximum(a, b) neemt op elke positie de grootste waarde uit twee arrays — anders dan np.max, dat één getal retourneert. np.maximum(a, 0) is 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 voor het begrenzen van waarden
np.clip houdt elk element binnen een bereik: alles wat te laag is, wordt verhoogd naar het minimum, en alles wat te hoog is, verlaagd naar het maximum. Ideaal om waarden te begrenzen.
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]ufuncs op multidimensionale arrays
ufuncs werken op arrays met elke vorm. De berekening wordt op elk element afzonderlijk uitgevoerd en het resultaat behoudt dezelfde vorm — herschikken is niet nodig.
import numpy as np
m = np.array([[1.0, 4.0], [9.0, 16.0]])
print(np.sqrt(m))
# [[1. 2.]
# [3. 4.]]De out-parameter voor geheugenefficiëntie
Elke ufunc accepteert een out=-argument om resultaten te schrijven naar een array die je al hebt. Zo wordt er geen nieuwe array gemaakt — handig in krappe lussen die gevoelig zijn voor geheugengebruik.
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 en .accumulate
Elke ufunc heeft een .reduce()-methode die alle elementen combineert (np.add.reduce is gewoon sum) en .accumulate() voor lopende totalen.
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 voor aangepaste ufuncs
np.frompyfunc maakt van elke Python-functie een ufunc die je op arrays kunt toepassen. Deze is trager dan ingebouwde functies, dus gebruik hem voor snelle prototypes.
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)ufuncs vergelijken met Python-lussen
Het snelheidsverschil is enorm: bij een miljoen elementen kan een ufunc ongeveer 200 keer sneller zijn dan een Python-lus. Gebruik bij rekenwerk altijd eerst ufuncs. 🚀
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')Korte controle
Test je begrip van NumPy-ufuncs uit deze les.
Samenvatting van de les
Goed gedaan! ufuncs voeren rekenkundige bewerkingen per element uit in snel C, omvatten sqrt, exp, log en trigonometrische functies, en het out=-argument bespaart geheugen. Hierna: aggregatiefuncties.
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Universele functies (ufuncs)” gratis?
Ja — de volledige tekst van “Universele functies (ufuncs)” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus Pandas & NumPy Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus Pandas & NumPy Academy bevat in totaal 4 lessen.
Wat leer ik in “Universele functies (ufuncs)”?
Pas ingebouwde elementgewijze functies zoals np.sqrt, np.abs, np.exp en np.log toe op arrays zonder lussen te schrijven. Je oefent met Pandas & NumPy Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met Pandas & NumPy Academy te beginnen?
Ervaring vooraf is niet nodig. Pandas & NumPy Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 1 van 4.
Hoe lang duurt de les “Universele functies (ufuncs)”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over Pandas & NumPy Academy?
Ja. Elke les over Pandas & NumPy Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Universele functies (ufuncs)
- Aggregatiefuncties
- Broadcastingregels
- Booleaanse maskers en fancy indexing