Funkcje uniwersalne (ufuncs)
Stosować wbudowane funkcje działające element po elemencie, takie jak np.sqrt, np.abs, np.exp i np.log, bez pisania pętli
Funkcje uniwersalne (ufuncs) to bezpłatna lekcja Pandas & NumPy Academy na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Pandas & NumPy Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Pandas & NumPy Academy zawiera 4 lekcji w sumie.
Czym są ufunc?
Funkcje uniwersalne (ufunc) wykonują operację matematyczną na każdym elemencie tablicy jednocześnie, korzystając z szybkiego skompilowanego kodu C — znacznie szybciej niż pętla w Pythonie. ⚡
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 slowerFunkcje ufunc matematyczne: sqrt, exp, log
Wszystkie ulubione funkcje matematyczne są funkcjami ufunc: np.sqrt, np.exp, np.log i inne. Działają jednocześnie na całych tablicach i poprawnie obsługują sytuacje brzegowe.
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.]Trygonometryczne funkcje ufunc
Trygonometryczne funkcje ufunc NumPy, takie jak np.sin i np.cos, oczekują kątów w radianach. Przed użyciem stopni należy je przekonwertować za pomocą np.deg2rad.
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
Do zaokrąglania służą np.floor (w dół), np.ceil (w górę) i np.round (do najbliższej wartości). Jednym wywołaniem porządkują wartości zmiennoprzecinkowe w całej tablicy.
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 i np.minimum
np.maximum(a, b) wybiera większą wartość w każdej pozycji z dwóch tablic — w przeciwieństwie do np.max, które zwraca jedną liczbę. np.maximum(a, 0) to funkcja 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 do ograniczania wartości
np.clip utrzymuje każdy element w określonym przedziale: wartości zbyt niskie podnosi do minimum, a zbyt wysokie obniża do maksimum. Świetnie nadaje się do ograniczania wartości.
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 na tablicach wielowymiarowych
ufunc działają na tablicach o dowolnym kształcie. Operacja matematyczna obejmuje każdy element osobno, a wynik zachowuje ten sam kształt — nie trzeba zmieniać kształtu tablicy.
import numpy as np
m = np.array([[1.0, 4.0], [9.0, 16.0]])
print(np.sqrt(m))
# [[1. 2.]
# [3. 4.]]Parametr out zapewniający efektywne wykorzystanie pamięci
Każda funkcja ufunc przyjmuje argument out=, który pozwala zapisać wyniki w już istniejącej tablicy. Pomija to tworzenie nowej tablicy — przydaje się w intensywnych obliczeniowo pętlach, w których pamięć ma znaczenie.
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 i .accumulate
Każda funkcja ufunc ma metodę .reduce(), która łączy wszystkie elementy (np.add.reduce to po prostu sumowanie), oraz .accumulate() do obliczania sum skumulowanych.
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 dla niestandardowych funkcji ufunc
np.frompyfunc przekształca dowolną funkcję Pythona w funkcję ufunc, którą można stosować do tablic. Jest wolniejsza od funkcji wbudowanych, dlatego najlepiej używać jej do szybkiego prototypowania.
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)Porównanie ufunc z pętlami Pythona
Różnica w szybkości jest ogromna: dla miliona elementów funkcja ufunc może działać około 200 razy szybciej niż pętla w Pythonie. W obliczeniach numerycznych zawsze warto najpierw sięgać po funkcje 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')Szybki test
Sprawdź swoją wiedzę na temat funkcji ufunc NumPy z tego rozdziału.
Podsumowanie rozdziału
Dobra robota! ufunc wykonują działania matematyczne element po elemencie w szybkim kodzie C, obejmują sqrt, exp, log i funkcje trygonometryczne, a argument out= oszczędza pamięć. Następny temat: funkcje agregujące.
Ucz się Python dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 30
- Lekcje
- 120
Często zadawane pytania
Czy lekcja „Funkcje uniwersalne (ufuncs)” jest bezpłatna?
Tak — pełny tekst „Funkcje uniwersalne (ufuncs)” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Pandas & NumPy Academy, przejdź na CoddyKit PRO. Kurs Pandas & NumPy Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Funkcje uniwersalne (ufuncs)”?
Stosować wbudowane funkcje działające element po elemencie, takie jak np.sqrt, np.abs, np.exp i np.log, bez pisania pętli Ćwiczysz Pandas & NumPy Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Pandas & NumPy Academy?
Nie wymagamy żadnego doświadczenia. Pandas & NumPy Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Funkcje uniwersalne (ufuncs)”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Pandas & NumPy Academy?
Tak. Każda lekcja Pandas & NumPy Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Funkcje uniwersalne (ufuncs)
- Funkcje agregujące
- Zasady broadcastingu
- Maskowanie boolowskie i zaawansowane indeksowanie