numpy vektörizasyon

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.

Örnek çözümü göster

import numpy as np

a = np.array([1, 2, 3])
b = a ** 2
print(b)

Kendini test et

numpy içe aktarmayı tamamla

import numpy as ____

a = np.array([1, 2, 3])

Cevabı göster

import numpy as np

a = np.array([1, 2, 3])

numpy kavramlarını eşleştir

np.array

Dizi oluşturur
** 2

Tüm öğelerin karesi
vektörizasyon

Döngüsüz işlem
numpy

Sayısal hesap
Vektörizasyon neden daha hızlıdır?
- Python döngüleri kullanır
- İşlemi C'de tüm diziye uygular
- Daha az bellek kullanır
- Daha kısa kod yazar
Cevabı göster

İşlemi C'de tüm diziye uygular — numpy işlemleri C'de çalışır; Python yorumcu yükü olmadan tüm diziye uygulanır.

Sıradaki ders: Özet - Performans

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler