Toplam, Ortalama ve Eksen Taktiği
Satırlar boyunca veya sütunlar arasında toplulaştırma yapın.
Toplam, Ortalama ve Eksen Taktiği, CoddyKit'te ücretsiz bir Data Science Academy dersidir. Bu, 4 dersinin 2. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Data Science Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Data Science Academy kursu toplamda 4 dersten oluşur.
Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.
Summaries in One Call
NumPy can collapse a whole array into a single number. Methods like sum and mean turn many values into one quick summary.
a = np.array([2, 4, 6])
total = a.sum() # 12Mean Is the Average
The mean divides the total by the count. For the array above it returns 4.0, the everyday average you already know.
avg = a.mean() # 4.0The Whole Array by Default
With no extra argument, these methods reduce everything to one scalar. Every element joins the calculation, ignoring rows and columns.
m = np.arange(6).reshape(2, 3)
m.sum() # 15Meet the axis Argument
The real power is axis. It tells NumPy which direction to collapse, so you can summarize per row or per column instead.
axis=0 Goes Down
Set axis=0 to collapse the rows. NumPy walks down each column and returns one value per column.
m.sum(axis=0) # [3 5 7]axis=1 Goes Across
Set axis=1 to collapse the columns. NumPy sweeps across each row and returns one value per row.
m.sum(axis=1) # [3 12]A Memory Trick
Think of axis as the dimension that disappears. Collapsing axis 0 removes the row dimension, leaving a result shaped like one row.
Same Idea for mean
The axis rule is identical for mean, min, max, and more. Learn it once and it applies across every reduction NumPy offers.
m.mean(axis=0) # [1.5 2.5 3.5]Keep the Dimensions
Pass keepdims=True to keep the collapsed axis as size 1. This makes the result broadcast cleanly back against the original array.
m.sum(axis=1, keepdims=True) # shape 2 x 1Counting Along an Axis
Reductions pair with shape to answer real questions: total per category, average per day, or a count of items down each column.
Pick the Axis on Purpose
Choosing the wrong axis is a classic bug. Always ask which dimension you want to keep, then collapse the other one.
Quick Check
You have a 2D array of rows and columns.
Axis Recap
You summarized whole arrays, then steered axis to summarize per row or per column. Remember: the axis you name is the one that vanishes. 👍
Sıkça Sorulan Sorular
“Toplam, Ortalama ve Eksen Taktiği” dersi ücretsiz mi?
Evet — “Toplam, Ortalama ve Eksen Taktiği” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Data Science Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Data Science Academy kursu toplamda 4 dersten oluşur.
“Toplam, Ortalama ve Eksen Taktiği” dersinde ne öğreneceğim?
Satırlar boyunca veya sütunlar arasında toplulaştırma yapın. Data Science Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Data Science Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Data Science Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 2. dersidir.
“Toplam, Ortalama ve Eksen Taktiği” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Data Science Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Data Science Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Dizileri Yeniden Şekillendirme ve Düzleştirme
- Toplam, Ortalama ve Eksen Taktiği
- Seçim için Boolean Maskeleri
- Rastgele Sayılar ve Tohumlar