numpy: recapitulare rapidă
Din cursul de analiză de date știi deja ce este un tablou numpy. Îl recapitulăm în câteva minute, pentru că de aici înainte aproape tot ce face un model de ML este calcul pe tablouri: caracteristici, etichete, ponderi și predicții.
De la listă la tablou
Un tablou numpy (np.array) seamănă cu o listă, dar toate elementele au același tip și poți face calcule pe tot tabloul deodată:
import numpy as np suprafete = np.array([45, 60, 72, 90, 110]) print(suprafete)
[ 45 60 72 90 110]
Observă că numpy afișează tabloul fără virgule, cu spații între elemente. Așa îl recunoști ușor față de o listă.
Lucrează cu un tablou de 5 suprafețe de apartamente.
- Creează tabloul suprafete din valorile [45, 60, 72, 90, 110].
- Afișează Forma: (5,) folosind .shape.
- Afișează Primul: 45 și Ultimul: 110 folosind indexarea.
- Afișează Dublat: urmat de tabloul înmulțit cu 2.
Soluția exercițiului
import numpy as np
suprafete = np.array([45, 60, 72, 90, 110])
print("Forma:", suprafete.shape)
print("Primul:", suprafete[0])
print("Ultimul:", suprafete[-1])
print("Dublat:", suprafete * 2) Vrei să afli mai mult?Forma unui tablou: .shape · Indexare · Operații pe tot tabloul · De ce numpy este baza ML · Greșeli frecvente
Forma unui tablou: .shape
.shape îți dă forma, adică numărul de elemente pe fiecare dimensiune. Pentru un vector (1D), forma are un singur număr:
import numpy as np suprafete = np.array([45, 60, 72, 90, 110]) X = np.array([[45, 2], [60, 3], [72, 3]]) print(suprafete.shape) print(X.shape)
(5,) (3, 2)
(5,) înseamnă 5 elemente pe o singură dimensiune. (3, 2) înseamnă 3 rânduri și 2 coloane: exact forma lui X din lecția 7, acum calculată automat.
Virgula din (5,) nu e o greșeală: așa scrie Python un tuplu cu un singur element.
Indexare
Indexarea funcționează ca la liste: de la 0, cu indici negativi de la final și cu slicing:
import numpy as np suprafete = np.array([45, 60, 72, 90, 110]) print(suprafete[0]) print(suprafete[-1]) print(suprafete[1:3])
45 110 [60 72]
La tablourile 2D dai doi indici: rândul și coloana. X[0, 1] este rândul 0, coloana 1, iar X[:, 0] este toată coloana 0.
import numpy as np X = np.array([[45, 2], [60, 3], [72, 3]]) print(X[0, 1]) print(X[:, 0])
2 [45 60 72]
Operații pe tot tabloul
Aici e diferența mare față de liste. lista * 2 dublează lista (o repetă), pe când tablou * 2 dublează fiecare număr:
import numpy as np lista = [45, 60] tablou = np.array([45, 60]) print(lista * 2) print(tablou * 2)
[45, 60, 45, 60] [ 90 120]
De ce numpy este baza ML
- Viteză: calculele rulează în cod C, de zeci de ori mai repede decât o buclă for în Python, ceea ce contează pe milioane de exemple.
- Cod scurt: preturi * 1.21 adaugă TVA de 21% la toate prețurile, fără buclă.
- Limbajul comun: pandas, scikit-learn și matplotlib primesc și întorc tablouri numpy.
- Matematica ML (vectori, matrice, produse scalare) se scrie aproape ca în manual.
Greșeli frecvente
- np.array(45, 60, 72) → eroare: valorile se dau într-o listă, np.array([45, 60, 72]).
- X[0][1] merge, dar X[0, 1] este forma obișnuită în numpy (și singura care merge pentru coloane: X[:, 1]).
- Amesteci text și numere în același tablou: numpy transformă totul în text și calculele nu mai merg.
