Rozgłaszanie wzdłuż kolumn

Pamiętaj, że podczas rozgłaszania wzdłuż kolumn NumPy wymaga jawnego wskazania, że tablica ma być pionowa – w NumPy nie istnieją poziome ani pionowe tablice 1D. Zamiast tego musisz najpierw utworzyć tablicę 2D, aby zaznaczyć, że dane mają układ pionowy. NumPy tworzy wtedy kopię tej pionowej tablicy 2D dla każdej kolumny i wykonuje wybraną operację.

Dostępna jest lista Pythona o nazwie monthly_growth_rate o długości 12. Reprezentuje ona miesięczne oczekiwane tempo wzrostu gospodarczego rok do roku. Twoim zadaniem jest użycie rozgłaszania, aby pomnożyć tę listę przez każdą kolumnę tablicy monthly_sales. Tablica monthly_sales jest wczytana, podobnie jak numpy jako np.

To ćwiczenie jest częścią kursu

Wprowadzenie do NumPy

Instrukcje do ćwiczenia

Przekształć monthly_growth_rate – aktualnie listę Pythona – w jednowymiarową tablicę NumPy o nazwie monthly_growth_1D.
Zmień kształt tablicy monthly_growth_1D tak, aby można ją było rozgłaszać kolumnowo względem monthly_sales; nadaj nowej tablicy nazwę monthly_growth_2D.
Używając rozgłaszania, pomnóż każdą kolumnę tablicy monthly_sales przez monthly_growth_2D.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Convert monthly_growth_rate into a NumPy array
monthly_growth_1D = ____

# Reshape monthly_growth_1D
monthly_growth_2D = monthly_growth_1D.____

# Multiply each column in monthly_sales by monthly_growth_2D
print(____)

Edytuj i uruchom kod

To ćwiczenie jest częścią kursu

Wprowadzenie do NumPy

SkillTag.level.beginnerSkillTag.label

4.8+

Rozpocznij kurs za darmo

Poznaj tablice NumPy! Dowiedz się, jak je tworzyć i zmieniać ich kształt zgodnie z potrzebami. Odkryj liczne typy danych obsługiwane przez NumPy i sprawdź, jak przekładają się one na szybkość operacji na tablicach.

Exercise 1: Wprowadzenie do tablic Exercise 2: Twoja pierwsza tablica NumPy Exercise 3: Tworzenie tablic od podstaw Exercise 4: Tablica z zakresem wartości Exercise 5: Wymiarowość tablic Exercise 6: Tworzenie tablicy 3D Exercise 7: Czwarty wymiar Exercise 8: Spłaszczanie i zmiana kształtu Exercise 9: Typy danych w NumPy Exercise 10: Argument dtype Exercise 11: Przewidywanie typów danych Exercise 12: Mniejsza gra w sudoku

Rozwiń umiejętności pracy z danymi w NumPy – wycinaj fragmenty, filtruj i sortuj dane ze spisu drzew Nowego Jorku. Twórz nowe tablice na podstawie warunków logicznych, a także dodawaj i usuwaj dane wzdłuż dowolnego wymiaru. Po drodze poznasz zasady zgodności kształtów i wymiarów, które przygotują cię do błyskawicznych operacji matematycznych na tablicach.

Exercise 1: Indeksowanie i wycinanie tablic Exercise 2: Wycinanie i indeksowanie drzew Exercise 3: Wkraczamy w 2D Exercise 4: Sortowanie drzew Exercise 5: Filtrowanie tablic Exercise 6: Filtrowanie za pomocą masek Exercise 7: Fancy indexing a np.where()Exercise 8: Tworzenie tablic na podstawie warunków Exercise 9: Dodawanie i usuwanie danych Exercise 10: Zgodne czy nie?Exercise 11: Dodawanie wierszy Exercise 12: Dodawanie kolumn Exercise 13: Usuwanie danych za pomocą np.delete()

Wykorzystaj szybkie operacje wektorowe NumPy do analizy danych sprzedażowych sklepów monopolowych, restauracji i domów towarowych w Stanach Zjednoczonych. Naucz się wektoryzować funkcje Pythona, aby używać ich w kodzie NumPy. Na koniec zastosuj logikę broadcastingu do wykonywania operacji matematycznych na tablicach o różnych rozmiarach.

Exercise 1: Podsumowywanie danych Exercise 2: Sumy sprzedaży Exercise 3: Wizualizacja średnich Exercise 4: Skumulowana sprzedaż Exercise 5: Operacje wektorowe Exercise 6: Obliczenia podatkowe Exercise 7: Prognozowanie sprzedaży Exercise 8: Wektoryzacja metody .upper()Exercise 9: Broadcasting Exercise 10: Możliwe rozgłaszanie czy nie?Exercise 11: Rozgłaszanie wzdłuż kolumn

Bieżące ćwiczenie

Exercise 12: Rozgłaszanie wzdłuż wierszy

W tym ostatnim rozdziale NumPy wkracza do świata sztuki – na podstawie danych obrazu jednego z arcydzieł Moneta zbadasz, jak można przekształcać dane graficzne. Skorzystasz z operacji odbijania i transponowania, aby szybko zmodyfikować obraz. Następnie rozłożysz tablicę Moneta na części, wprowadzisz zmiany i złożysz ją z powrotem za pomocą łączenia tablic, by zobaczyć efekty.

Exercise 1: Zapisywanie i wczytywanie tablic Exercise 2: Wczytywanie plików .npy Exercise 3: Szukanie pomocy Exercise 4: Aktualizacja i zapis Exercise 5: Akrobacje z tablicami Exercise 6: Augmentowanie Moneta Exercise 7: Transponowanie twojego arcydzieła Exercise 8: Składanie i dzielenie tablic Exercise 9: Podział i łączenie tablic 2D Exercise 10: Podział danych RGB Exercise 11: Łączenie danych RGB Exercise 12: Gratulacje!