Differences

This shows you the differences between two versions of the page.

--- appunti3s:numpy [2020/07/09 11:25] – profpro
+++ appunti3s:numpy [2020/08/02 17:27] (current) – profpro
@@ Line 11: / Line 11: @@
 <code> numpy.ndarray </code>
- *  ndarray = N-dimensional array, ndarray, sono noti anche con il termine "array" (cosa che potrebbe causare confusione se non si usasse il nome del modulo numpy come prefisso)
+  *  **ndarray** = N-dimensional array, ndarray, sono noti anche con il termine "array", cosa che potrebbe causare confusione se non si usasse il nome del modulo (numpy) come prefisso (numpy.array)
 ==Vediamo alcuni esempi per definire un array==
- *  dtype = data type
+  *  dtype = data type
 <file python 1.py>
@@ Line 25: / Line 25: @@
 e = np.ones((3, 4))
 del e    # libera la memoria
 </file>
- *  shape = definisce la forma (dimensione) dell'array, cioè la grandezza (size) di ogni dimensione
+  *  shape = definisce la forma (le dimensioni) dell'array, cioè la grandezza (size) di ogni asse
+  *  nel precedente esempio
+    *  la variabile a, ha due assi, il primo ha lunghezza 3, il secondo ha lunghezza 2
+    *  la variabile b ha due assi, il primo ha lunghezza 3, il secondo ha lunghezza 1, quindi si dice che ha un solo asse.
+  * Per comprendere questo termine (numero di assi) basta immaginare che la variabile b possa essere usata per contenere i punti dell'asse x
 Questa istruzione preleva solo alcuni valori, tutti e tre della seconda colonna.
   c[0:2, 1]
   c[:,1]     # equivalente
+(Per una matrice 2D, quando si richiama un elemento, è del tipo nome[riga,colonna])
 ==Iterazione==
-usando un indice si stampano le righe
+usando un indice si stampano intere righe alla volta
 <code python>
   >>> for riga in c:
@@ Line 59: / Line 68: @@
 </file>
-==Esempio di calcolo==
+====Esempio di operatori====
+== matrix product ==
+Scopriamo che è semplice fare le operazioni sui singoli elementi (potenze)
 <code python>
@@ Line 67: / Line 80: @@
 </code>
-==Prodotto vettoriale==
+==Prodotto vettoriale o cross product==
+Di solito si moltiplicano due array 1 D e si ottiene un terzo array 1 D, ortogonale.
 <code python>
-  >>> d @ e
+  numpy.cross(a, b, axisa=-1, axisb=-1, axisc=-1, axis=None)
 </code>
-==Prodotto scalare==
+==Prodotto scalare o dot product==
+Ha un comportamento diverso, a seconda dei fattori utilizzati
+  * usando il tipo scalare 0 D, equivale a fare il prodotto con asterisco *
+  * usando il tipo array 1 D, equivale a fare il prodotto scalare, o somma dei prodotti
+  * usando il tipo array 2 D, .........
+<code>
+   fare un esempio....
+</code>
+Quando gli array sono 2D è preferibile usare @
+<code python>
+  >>> d @ e
+</code>
 == operazioni scalari ==