numpy vektörizasyon
- Python kursu
- Uzman
- Ders 41/47
- 5 dk
numpy ile vektörizasyonu öğrenirsin.
numpy vektörizasyon nedir?
numpy, büyük sayı dizilerini Python döngüleri yerine C'de işler. Vektörizasyon, bir işlemi dizinin tüm öğelerine tek seferde uygulamaktır.
Örneğin np.array([1, 2, 3]) ** 2 tüm öğelerin karesini alır; döngü gerekmez. Bu, Python for döngüsünden onlarca kat hızlıdır. numpy, bilimsel hesaplama ve veri analizinde standarttır. Vektörizasyon, hem kodu kısaltır hem de hızlandırır. Büyük verilerde fark önemlidir.
Dizi işlemleri
Bir np.array üzerinde aritmetik işlemler tüm öğelere uygulanır. a + 1 her öğeye 1 ekler, a * 2 ikiyle çarpar, a ** 2 karesini alır.
İki dizi arasında da işlem yapılabilir: a + b öğe öğe toplar. Bu işlemler C'de çalıştığı için Python for döngüsünden çok daha hızlıdır. Ayrıca .sum(), .mean(), .max() gibi özet yöntemleri de vektörize çalışır. Büyük veri kümelerinde bu fark önemli olur.
Uygulama numpy ile kare hesapla
import numpy as np ile modülü içe aktar. a = np.array([1, 2, 3]) ile dizi oluştur. b = a ** 2 ile tüm öğelerin karesini al. b'yi yazdır.
Başlangıç kodu
# dizi oluştur
# karesini al ve yazdırÖrnek çözüm
import numpy as np
a = np.array([1, 2, 3])
b = a ** 2
print(b)Beklenen çıktı
[1 4 9]
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 numpy içe aktarmayı tamamla
import numpy as ____
a = np.array([1, 2, 3])import numpy as np
a = np.array([1, 2, 3])Açıklama: import numpy as np kısaltması standarttır.
2 numpy kavramlarını eşleştir
| Kavram | Anlamı |
|---|---|
np.array |
Dizi oluşturur |
** 2 |
Tüm öğelerin karesi |
vektörizasyon |
Döngüsüz işlem |
numpy |
Sayısal hesap |
3 Vektörizasyon neden daha hızlıdır?
- Python döngüleri kullanır
- İşlemi C'de tüm diziye uygular Doğru cevap
- Daha az bellek kullanır
- Daha kısa kod yazar
Açıklama: numpy işlemleri C'de çalışır; Python yorumcu yükü olmadan tüm diziye uygulanır.