Python Academy · Les

Arraybewerkingen en broadcasting

Voer gevectoriseerde berekeningen uit en begrijp de regels voor broadcasting.

Les 2 van 413 stappen

Arraybewerkingen en broadcasting is een gratis Python Academy-les op CoddyKit. Dit is les 2 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 Python Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Python Academy bevat in totaal 4 lessen.

Gevectoriseerde rekenkundige bewerkingen

NumPy past rekenkundige bewerkingen elementgewijs toe op volledige arrays, zonder Python-lussen — uitgevoerd in geoptimaliseerde C-code.

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]

Universele functies (ufuncs)

De ufuncs van NumPy passen functies op C-niveau elementgewijs toe: np.sqrt, np.exp, np.log, np.sin enzovoort.

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]

Reduceerbewerkingen

Reduceer een array tot een scalair (of een array met minder dimensies) met np.sum, np.mean, np.max, np.min en 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

Regels voor broadcasting

Bij broadcasting worden kleinere arrays uitgebreid zodat ze bij grotere passen — zonder gegevens te kopiëren. Regel: dimensies worden van rechts uitgelijnd; dimensies met grootte 1 worden uitgebreid.

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]]

Broadcasting van scalaire bewerkingen

Een scalair wordt over alle elementen van de array gebroadcast.

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]]

Vergelijkingen en booleaanse bewerkingen

Vergelijkingen produceren booleaanse arrays. Combineer ze met &, | en ~ (niet met Python and/or/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) retourneert elementen uit x waar de waarde True is en uit y waar de waarde False is.

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]

Aggregaties langs assen

Geef axis= op om langs een bepaalde dimensie van een multidimensionale array te reduceren.

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 en diff

np.cumsum berekent cumulatieve sommen; np.diff berekent verschillen tussen opeenvolgende elementen.

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)

Gevectoriseerde tekenreeksbewerkingen

np.char biedt gevectoriseerde tekenreeksbewerkingen op arrays met tekenreeksen.

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]

Prestaties versus Python-lijsten

NumPy is voor numerieke bewerkingen 10 tot 100 keer sneller dan gelijkwaardige Python-lussen, omdat het in C wordt uitgevoerd zonder overhead van de Python-interpreter.

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")

Snelle controle

Welke vorm heeft het resultaat wanneer je een array met vorm (3,1) optelt bij een array met vorm (3,)?

Beantwoord dit in de interactieve les

Samenvatting

NumPy-bewerkingen worden elementgewijs uitgevoerd in C (zonder Python-lussen). Bij broadcasting worden compatibele vormen uitgebreid zonder te kopiëren. Gebruik axis= voor reducties langs specifieke dimensies. Ufuncs (np.sin, np.exp enzovoort) passen bewerkingen elementgewijs toe met C-snelheid.

Gratis beginnen

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: 76
Lessen: 320

Gratis beginnen met leren Bekijk de volledige cursus

Veelgestelde vragen

Is de les “Arraybewerkingen en broadcasting” gratis?

Ja — de volledige tekst van “Arraybewerkingen en broadcasting” 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 Python Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus Python Academy bevat in totaal 4 lessen.

Wat leer ik in “Arraybewerkingen en broadcasting”?

Voer gevectoriseerde berekeningen uit en begrijp de regels voor broadcasting. Je oefent met Python 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 Python Academy te beginnen?

Ervaring vooraf is niet nodig. Python 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 2 van 4.

Hoe lang duurt de les “Arraybewerkingen en broadcasting”?

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 Python Academy?

Ja. Elke les over Python 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

← Terug naar Python Academy