Capitolo 4. Nozioni di base suNumPy
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Come ricorderai dal Capitolo 1, NumPy è il pacchetto fondamentale per il calcolo scientifico in Python, che fornisce supporto per i calcoli basati su array e l'algebra lineare. Poiché NumPy è una dipendenza chiave di pandas, in questo capitolo ne presenterò le basi: dopo aver spiegato cos'è un array NumPy, esamineremo la vettorizzazione e il broadcasting, due concetti importanti che ti consentono di scrivere codice matematico conciso e che ritroverai in pandas. Successivamente, vedremo perché NumPy offre funzioni speciali chiamate funzioni universali, prima di concludere questo capitolo imparando come ottenere e impostare i valori di un array e spiegando la differenza tra una vista e una copia di un array. Anche se in questo libro useremo raramente NumPy direttamente, conoscerne le basi renderà più facile imparare pandas nel prossimo capitolo.
Introduzione a NumPy
In questa sezione imparerai a conoscere gli array NumPy a una e due dimensioni e cosa si nasconde dietro i termini tecnici vettorializzazione, broadcasting e funzione universale.
Array NumPy
Per eseguire calcoli basati su array con liste annidate in , devi scrivere una sorta di ciclo. Ad esempio, puoi usare una comprensione di lista annidata per aggiungere un numero a ogni elemento di matrix:
In[1]:matrix=[[1,2,3],[4,5,6],[7,8,
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access