Informatica e funzioni numpy e insert, Schemi e mappe concettuali di Informatica Giuridica

Scarica Informatica e funzioni numpy e insert e più Schemi e mappe concettuali in PDF di Informatica Giuridica solo su Docsity!

Laboratorio di

Programmazione e Sistemi

Multimediali

Scienze e Tecnologie Multimediali

Prof. Niki Martinel

Alcune slide di cortesia da

Dr. Saddi @ UniMi

NumPy

NumPy arrays (ndarray)

• Un array NumPy ( ndarray ) è una collezione omogenea N-dimensionale di «elementi» dello stesso «tipo»
• Il tipo può essere qualsiasi struttura arbitraria e viene specificato utilizzando il data-type
• La differenza principale principale rispetto alle liste standard consiste nel fatto che gli elementi di un array NumPy devono essere dello stesso tipo, solitamente float o int
• Un array può essere visto come una lista con le seguenti differenze:
  • Tutti gli elementi devono essere dello stesso tipo
  • Il numero di elementi deve essere noto a priori (cioè quando l'array viene creato) à non può essere cambiato dopo (dimensione statica)!

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities Niki Martinel

NumPy arrays (ndarray)

• Nell'intestazione abbiamo il parametro strides : un numero che indica di quanti byte (in ogni dimensione) bisogna spostarsi per leggere il contenuto dell’array
• Impostando questo attributo su un altro valore, cambierà il modo in cui viene vista la memoria

Niki Martinel

>>> a=np.arange(9) >>> a=a.reshape(3,3) >>> a array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) >>> a.dtype dtype('int64') >>> a.strides (24, 8)

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities

• Questa è una lista dei tipi di dati supportati per costruire un array NumPy Ndarray data types

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities Niki Martinel

Terminologia

• L'oggetto principale di NumPy è l'array multidimensionale omogeneo chiamato Ndarray
• Questo non è altro che una tabella di elementi (di solito numeri), tutti dello stesso tipo, indicizzati da una tupla di numeri interi positivi
• Esempi tipici di array multidimensionali includono vettori, matrici, immagini, suoni, etc.
• Le dimensioni sono chiamate axis , il numero di assi è il rank

Niki Martinel

>>> a = np.array([1,3,5,7,9])

>>> b = np.array([3,5,6,7,9])

>>> c = a + b

>>> print c

[4, 8, 11, 14, 18]

[7, 5, - 1] Un vettore/array rank 1 i.e. 1 axis con length 3 [ [ 1. 5 , 0. 2 , - 3. 7 ] , Un array rank 2 i.e. 2 axes , il primo con length 2 , [ 0. 1 , 1. 7 , 2. 9 ] ] il secondo con length 3 Ovvero.. una matrice con 2 righe e 3 colonne

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities

Ndarray Attributes

• Lista degli attributi più importanti di un oggetto ndarray:
• ndarray.ndim
  • Numero di axis (dimensioni) dell'array à il rank
• ndarray.shape
  • Dimensioni dell'array
  • Tupla di interi che indica la dimensione della matrice in ogni dimensione
  • Per una matrice con n righe e m colonne, shape sarà (n,m) à la lunghezza della tupla è quindi il rank
• ndarray.size
  • il numero totale di elementi della matrice, pari al prodotto degli elementi di shape
• ndarray.dtype
  • Descrive il tipo degli elementi dell'array
  • NumPy ne fornisce molti, per esempio: int8, int16, int32, int64, float16, float32, float
• ndarray.itemsize
  • la dimensione in byte di ogni elemento dell'array
  • Ad esempio, per elementi di tipo float64, itemsize è 8 (=64/8)
• ndarray.data
  • il buffer che contiene gli elementi effettivi dell'array
  • Normalmente, non avremo bisogno di usare questo attributo perché accederemo agli elementi di un array usando le strutture di indicizzazione

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities Niki Martinel

Creazione e uso di Ndarray

Niki Martinel

>>> a = np.array([0,1,2,3]) >>> a array([0, 1, 2, 3])

SIMPLE ARRAY CREATION

>>> type(a)

CHECKING THE TYPE

>>> a.dtype dtype(‘int32’)

NUMERIC ‘TYPE’ OF Elem.

>>> a.itemsize # per element 4

BYTES PER ELEMENT

shape returns a tuple

listing the length of the

array along each dimension.

>>> a.shape (4,) #1 row and 4 columns! >>> np.shape(a) (4,)

size reports the entire

number of elements in an

array.

>>> a.size 4 >>> np.size(a) 4

ARRAY SHAPE

ARRAY SIZE

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities

• Come accedere e modificare elementi di un array NumPy: Valorizzare un Array

Niki Martinel

>>> a.dtype dtype('int32')

assigning a float to into

an int32 array will

truncate decimal part.

>>> a[0] = 10. >>> a [10, 1, 2, 3]

fill has the same behavior

>>> a.fill(-4.8) >>> a [-4, - 4, - 4, - 4]

BEWARE OF TYPE

COERSION

set all values in an array.

>>> a.fill(0) >>> a [0, 0, 0, 0]

This also works, but may

be slower.

>>> a[:] = 1 >>> a [1, 1, 1, 1]

FILL

>>> a[0] 0 >>> a[0] = 10 >>> a [10, 1, 2, 3]

ARRAY INDEXING

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities

Esempio

• Esempio di creazione e utilizzo di ndarray tramite chiamate NumPy: modifica di un array
• Come creare un array con degli zeri?

Niki Martinel

>>> a[1, 2] = 7 >>> print(a) [[1 2 3] [3 6 7] [2 4 6]] >>> a[:, 0] = [0, 9, 8] >>> print(a) [[0 2 3] [9 6 7] [8 4 6]] >>> b = np.zeros(5) >>> print(b) [ 0. 0. 0. 0. 0.] >>> b.dtype dtype(‘float64’) >>> n = 1000 >>> my_int_array = np.zeros(n, dtype=np.int) >>> my_int_array.dtype dtype(‘int32’)

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities

Esempio

• Esempio di creazione e utilizzo di ndarray tramite chiamate NumPy
• Come creare un array di uno e come usare la funzione arange

Niki Martinel

>>> c = np.ones(4) >>> print(c) [ 1. 1. 1. 1. ] >>> d = np.arange(5) # just like range() >>> print(d) [0 1 2 3 4] >>> d[1] = 9. >>> print(d) # arrays keep their type even if elements changed [0 9 2 3 4] >>> print(d*0.4) # operations create a new array, with new type [ 0. 3.6 0.8 1.2 1.6] >>> d = np.arange(5, dtype=np.float) >>> print(d) [ 0. 1. 2. 3. 4.] >>> np.arange(3, 7, 0.5) # arbitrary start, stop and step array([ 3. , 3.5, 4. , 4.5, 5. , 5.5, 6. , 6.5])

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities

• Altri metodi utili forniti dalla libreria NumPy: Operationi Con Gli Array…

Niki Martinel

returns the number of bytes

used by the data portion of

the array.

>>> a.nbytes 16

BYTES OF MEMORY USED

>>> a.ndim 1

NUMBER OF DIMENSIONS

create a copy of the array

>>> b = a.copy() >>> b array([0, 1, 2, 3])

ARRAY COPY

convert a numpy array to a

python list.

>>> a.tolist() [0, 1, 2, 3]

For 1D arrays, list also

works equivalently, but

is slower.

>>> list(a) [0, 1, 2, 3]

CONVERSION TO LIST

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities

a = np.array([ 0, 1, 2, 3])

>>> a

array([ 0, 1, 2, 3])

( ) Fortran-order and C-order

• Un'istanza della classe ndarray consiste in un segmento contiguo di memoria monodimensionale, combinato con uno schema di indicizzazione che mappa gli interi nella posizione di un elemento nel segmento
• Un segmento di memoria è intrinsecamente 1-dimensionale
  • diversi schemi per organizzare un array N-dimensionale in un blocco 1-dimensionale
• Due schemi principali: Fortran-order (column major) e C-order (row major)
• C e Fortran-order sono schemi di memoria contigui in cui ogni parte del blocco di memoria può essere raggiunta da qualche combinazione di indici

Niki Martinel

1 4 7 2 5 8 3 6 9 1 2 3 4 5 6 7 8 9 Fortran-order (Column major) C-order (Row major) strides=(8,24) strides=(24,8)

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities

• Esempio: creiamo un ndarray con alcuni elementi e un ordine specifico in memoria
• Controlliamo diverse proprietà dell'array nei due casi di ordinamento in memoria ( ) Fortran-order and C-order

Laboratorio di Programmazione e Sistemi Multimediali | Basic Funcionalities Niki Martinel