Software Engineering II - Kapitel 3: NumPy

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Was ist NumPy?

Eine Datenbank

Ein Open-Source-Paket für wissenschaftliches Rechnen mit Python (correct)

Eine Programmiersprache

Ein Web-Framework

NumPy wurde von Travis E. Oliphant entwickelt.

True (A)

NumPy ist die Basis für viele weitere Python-Pakete.

True (A)

Wie lautet der Befehl zum Installieren von NumPy?

$ pip install numpy Signup and view all the answers

Welche wichtigen Merkmale hat NumPy?

Alle genannten Optionen. (B) Signup and view all the answers

Was ist ein ndarray-Objekt?

Ein ndarray-Objekt ist ein mehrdimensionaler Container, der Elemente gleichen Typs speichert. Signup and view all the answers

Welches Attribut gibt die Anzahl der Achsen (Dimensionen) eines ndarray-Objekts an?

ndim (B) Signup and view all the answers

Das Attribut ______ gibt ein Tupel zurück, das die Größe jeder Achse eines Arrays angibt.

shape Signup and view all the answers

Wie kann ein 1-dimensionales Array mit NumPy erzeugt werden?

a = np.array([1, 2, 3]) Signup and view all the answers

Welche NumPy-Funktion erzeugt ein Array mit Nullen?

np.zeros() (A) Signup and view all the answers

Wie kann ein Array mit fortlaufenden Werten mit NumPy erzeugt werden?

a = np.arange(0, 5) Signup and view all the answers

Wie kann ein Array mit gleichmäßigem Abstand mit NumPy erzeugt werden?

a = np.linspace(0, 10, 5) Signup and view all the answers

Welche NumPy-Funktion erzeugt eine Einheitsmatrix?

np.identity() (B) Signup and view all the answers

Wie kann man ein Array mit Werten einer Funktion mit NumPy erzeugen?

a = np.fromfunction(f, (2, 3)) Signup and view all the answers

Wie lässt sich der Datentyp eines Arrays beim Erzeugen angeben?

a = np.array([1, 2, 3], dtype=np.int32) Signup and view all the answers

Welches Symbol wird für den Datentyp Integer verwendet?

i (B) Signup and view all the answers

Signup and view all the answers

Study Notes

Software Engineering II - Vorlesung Kapitel 3

Thema: Wissenschaftliches Rechnen mit NumPy
Wintersemester: 2024/25
Dozent: Prof. Dr. Norman Lahme-Hütig
Inhalt:
- Einleitung in NumPy
- Zentrale Datenstrukturen (Arrays)
- Grundlegende Operationen
- Weiterführende Operationen

Einleitung NumPy

NumPy: Ein grundlegendes Open-Source-Paket für wissenschaftliches Rechnen mit Python
Entwicklung: Entwickelt von Travis E. Oliphant durch Zusammenführung von Numeric und Numarray
Basis für weitere Pakete: Grundlage für viele weitere Python-Pakete, wie z.B. Pandas
Webseiten: https://numpy.org
Quellcode: https://github.com/numpy/numpy
Installation: $ pip install numpy

Wesentliche Merkmale NumPy Arrays

Homogene mehrdimensionale Arrays: Arrays mit Elementen gleichen Datentyps
Speichereffizient: Daten werden intern in einem zusammenhängenden Speicherblock abgelegt, was effizienter als Python-Sequenzen ist
Vektorisierte Array-Operationen: Operationen auf ganzen Arrays ohne Iterationen über einzelne Elemente
Flexible Broadcasting-Fähigkeit: Operationen zwischen Arrays mit unterschiedlichen Dimensionen sind möglich, solange die Voraussetzungen erfüllt sind.
C-API: Einfache Anbindung von Programmen, die in C, C++ oder Fortran geschrieben wurden.

Beispiel für Leistungsunterschied

NumPy-Arrays: deutlich schneller als Listen für dieselben Berechnungen

Arrays erzeugen:

Explizite Werte: Arrays können direkt mit Werten initialisiert werden.
Hilfsfunktionen: NumPy bietet Funktionen zur Erzeugung von Arrays mit Nullen, Einsen oder fortlaufenden Werten.
Gleichmäßige Abstände: Werte mit einem festgelegten Abstand zwischen den einzelnen Werten.
Hilfsfunktionen: Arrays lassen sich anhand von Hilfsfunktionen generieren

Arrays erzeugen: Datentypen

Angabe des Datentyps: NumPy-Arrays können mit spezifischen Datentypen erzeugt werden.
Attribute: ndim, shape, size, dtype, itemsize
Beispiel: a = np.array([1, 2, 3], dtype=np.int32)

Arrays erzeugen: Strukturierte Arrays

Zusammensetzung aus anderen Datentypen: Kombination aus verschiedenen Datentypen mit optionalen Beschriftungen.
Tabellarische Darstellung: Ideal für tabellarische Strukturen.
Spaltenzugriff: Zugriff auf Spalten über die Beschriftung.

Arrays verändern

Transponieren: Spiegelung der Zeilen und Spalten
1-dimensionales Array: Umwandlung in ein eindimensionales Array
Reshape: Änderung der Dimensionen
Resize: Modifikation des vorhandenen Arrays
Stacken: Verketten von Arrays

Stapeln von Arrays

Spaltenstack: Vertikale Verkettung von Arrays
Zeilenstack: Horizontale Verkettung von Arrays
Verkettung entlang einer Achse: Erstellung eines neuen Arrays durch Verkettung entlang einer bestimmten Achse

Elemente selektieren

Indizierung: Einzelne Elemente oder Ausschnitte eines Arrays können durch Indizierung ausgewählt werden.
Alternative Argumente: Einzelne Werte, Index-Arrays, Slices, boolesche Arrays
Selektion mittels Slices: Auswahl von Teil-Arrays (Spalten- und Zeilenweisen) anhand von Start- und Endpositionen.

Boolesche Index Arrays

Auswahl von Elementen, die eine bestimmte Bedingung erfüllen - numerische Werte zu booleschen Werten

Slicing

Selektion von Arrays(Teile von Zeilen und Spalten) mittels Slicing

Beispiele zu Broadcasting

Broadcasting erweitert einen kleineren Array zu einem grösseren

Arithmetische Operatoren

Elemente-weise Berechnung: Arithmetische Operatoren bearbeiten die Elemente der Arrays einzeln.
Beispiel: Addition, Multiplikation

Zuweisung

Einzelne Elemente ersetzen: Veränderung von einzelnen Elementen im Array
Bereich ersetzen: Veränderung eines gesamten Bereichs durch Zuweisung

Vergleichsoperatoren

Vergleich verschiedener Arrays ergibt boolesches Array
Kombination mit Boolean-Arrays: Kombination von Booleschen Werten zur effizienten Selektion

Universelle Funktionen

Elementweise Berechnung mit Funktionen (Potenzieren, Quadratwurzel, mathematische Funktionen etc.)
Funktionen auf numerische Werte angewendet

Aggregatfunktionen

Berechnung auf allen Elementen: Summe, maximaler Wert, minimaler Wert
Achsenbezug: Berechnungen auf Zeilen- oder Spaltenebene

Sonstige Funktionen

Sortieren: Sortierung von Arrays
Indirektes Sortieren: Sortierung mit Ausgabe der entsprechenden Index-Position
Bedingte Auswahl von Elementen: Auswahl basierend auf Bedingungen

Mikroübung (Richtig/Falsch)

Fragen zur Korrektheit verschiedener Aussagen über NumPy

Pseudozufallszahlen

Generierung von Zufallzahlen mit unterschiedlichen Verteilungen (normal, gleichverteilt, etc)

Lineare Algebra

Skalarprodukt: Berechnung des Skalarprodukts
Matrixmultiplikation: Matrixmultiplikationen
Lösen linearer Gleichungen: Lösung von Gleichungssystemen
Determinante: Berechnung der Determinante
Inverse Matrix: Berechnung der inversen Matrix

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Description

In diesem Quiz geht es um wissenschaftliches Rechnen mit NumPy. Sie lernen die zentralen Datenstrukturen, grundlegende sowie weiterführende Operationen kennen. Testen Sie Ihr Wissen über diese essentielle Bibliothek für Python.