...
← Curs Machine Learning și AI pentru începători: toate lecțiile
Lecția 15 · numpy

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.

Exercițiul tău

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.
print("Forma:", suprafete.shape); pentru ultimul element folosește suprafete[-1].

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)
Excelent! Continuă cu lecția următoare →
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.

Bine de știut

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.
main.pyPython
ConsolăSe încarcă...
Mediul de lucru se încarcă. Poți citi lecția între timp.
Rulează codul cu butonul de sus sau cu Ctrl + Enter / Cmd + Enter.
Parcursul tău Ce este AI și Machine Learning Lecția 15 · numpy: recapitulare rapidă
Progres 0% 0 din 17
Lecția curentă 15 / 15 Numpy