By 
Benvenuto in questo nuovo articolo.
Oggi, torniamo a parlare di Python, tuttavia, questa volta, dopo diversi articoli introduttivi dove abbiamo imparato le basi di questo fantastico linguaggio di programmazione, entreremo nel vivo dell’azione.
Infatti, come avrai intuito dal titolo, ci occuperemo di trattare Python nel contesto del Machine Learning e Data Science.
Per far ciò, inizieremo ancora una volta dalle basi. Non a caso, questi campi di applicazione sono davvero molto complessi e, per comprenderli al meglio, partiremo dalla libreria NumPy, una libreria davvero fenomenale in grado di svolgere qualsiasi operazione nell’ambito del calcolo vettoriale.
Conoscere NumPy è assolutamente necessario per proseguire i propri studi nei settori precedentemente menzionati.
- Installazione e Utilizzo
Come abbiamo detto, stiamo parlando di una libreria. Quindi, come puoi immaginare, è necessario installarla. Per far ciò, ti basterà aprire il CMD e digitale questo semplice comando:
- pip install numpy
Allo stesso modo, per poterla utilizzare correttamente dovrai importarla all’interno dei tuoi progetti o script. Per far ciò ti basterà inserire la seguente riga di codice in cima al tuo file .py:
- import numpy as np
- Gli Array NumPy
Uno dei motivi per cui NumPy è così famoso è la possibilità di creare degli array. A questo punto starai pensando: “ma Python mi permette già di creare degli array attraverso le liste”.
Esatto, hai ragione, tuttavia, senza addentrarci più di tanto negli aspetti tecnici, sappi che gli array NumPy sono estremamente più veloci delle liste, specialmente quando vengono effettuate operazioni su moltissimi elementi contemporaneamente.
Ma vediamo subito come poter creare un array NumPy:
Come puoi notare, creare un array NumPy è davvero semplice. Basta creare una lista e passarla come parametro alla funzione array facente parte della libreria NumPy.
Come per le liste, potrai accedere ai singoli elementi di un array NumPy attraverso le parentesi quadre:
Proseguiamo con alcune funzioni più particolari:
- full, genera un array grande a piacere contenente solo ed esclusivamente un dato elemento
- zeros, genera un array grande a piacere contenente solo ed esclusivamente 0
- ones, genera un array grande a piacere contenente solo ed esclusivamente 1
Vediamo queste funzioni in azione:
Come puoi notare l’utilizzo di queste funzioni è davvero semplicissimo. Basta fornire loro la forma dell’array che desideriamo (nel primo caso abbiamo richiesto un vettore di dimensione 7, nel secondo caso un vettore di dimensione 365 e nel terzo una matrice 3×5) e, solo nel caso della funzione full è necessario indicare un secondo parametro. Quest’ultimo rappresenta il numero che vogliamo che ci sia all’interno del nostro array.
Per questo articolo, per questioni di tempo e spazio è tutto, resta sintonizzato per non perderti i prossimi articoli sull’argomento.
Comments