appunti3s:numpy
This is an old revision of the document!
indice < linguaggio_python
numpy
Il python (classico) dispone di oggetti array.array (monodimensionali)
numpy permette di usare un nuovo tipo di array
numpy.ndarray
noti anche con il termine “array” (cosa che potrebbe causare confusione se non si usasse il nome del modulo numpy come prefisso)
Vediamo alcuni esempi per definire un array
- 1.py
import numpy as np a = [[ 1., 0., 0.], [ 0., 1., 2.]] b = np.array([1.2, 3.5, 5.1]) c = np.array( [ [1.0,2.0], [3.0,4.0] ], dtype=complex ) d = np.zeros((3, 4)) e = np.ones((3, 4))
Esempio in cui si vuole valutare una funzione
- 2.py
from numpy import pi x = np.linspace( 0, 2*pi, 100 ) # useful to evaluate function at lots of points f = np.sin(x)
Esempio di calcolo
>>> b = np.array([1.2, 3.5, 5.1]) >>> b**2 array([ 1.44, 12.25, 26.01])
Prodotto vettoriale
>>> d @ e
Prodotto scalare
operazioni scalari
randomizzare
Anche numpy ha il proprio generatore di numeri causali
import numpy.random as np_r rng = np_r.default_rng() vals = rng.standard_normal(10) more_vals = rng.standard_normal(10)
from random import random
appunti3s/numpy.1594248772.txt.gz · Last modified: 2020/07/09 00:52 by profpro