NUMPY RIFERIMENTO RAPIDO
Creazione array, matematica, algebra lineare e altro
Creazione di Array
Da Liste
import numpy as np
a = np.array([1, 2, 3]) # 1D
b = np.array([[1, 2], [3, 4]]) # 2D
Costruttori Integrati
np.zeros((2, 3)) # 2x3 di zeri
np.ones((3, 3)) # 3x3 di uni
np.eye(4) # matrice identità 4x4
np.arange(0, 10, 2) # [0, 2, 4, 6, 8]
np.linspace(0, 1, 5) # 5 valori equidistanti
Proprietà dell'Array
| a.shape | Dimensioni come tupla: (3, 4) |
| a.ndim | Numero di dimensioni |
| a.size | Numero totale di elementi |
| a.dtype | Tipo di dato: float64, int32, ecc. |
Indicizzazione e Slicing
Indicizzazione di Base
a = np.array([[1, 2, 3], [4, 5, 6]])
a[0, 1] # 2 (riga 0, col 1)
a[1] # [4, 5, 6] (riga 1)
a[:, 0] # [1, 4] (tutte le righe, col 0)
Slicing
a[0, 1:] # [2, 3] (riga 0, col 1 in poi)
a[:, :2] # prime 2 colonne
a[::2] # ogni altra riga
Indicizzazione Booleana
a = np.array([10, 20, 30, 40])
a[a > 15] # [20, 30, 40]
a[a % 20 == 0] # [20, 40]
Operazioni sugli Array
Operazioni Elemento per Elemento
a = np.array([1, 2, 3])
a + 10 # [11, 12, 13]
a * 2 # [2, 4, 6]
a ** 2 # [1, 4, 9]
a + a # [2, 4, 6]
Confronto
a = np.array([1, 2, 3, 4])
a > 2 # [False, False, True, True]
np.where(a > 2, a, 0) # [0, 0, 3, 4]
Aggregazione
| a.sum() | Somma di tutti gli elementi |
| a.mean() | Media aritmetica |
| a.std() | Deviazione standard |
| a.min() / a.max() | Valore minimo / massimo |
| a.argmin() / a.argmax() | Indice del minimo / massimo |
| a.cumsum() | Somma cumulativa |
Aggiungi `axis=0` (colonne) o `axis=1` (righe) per risultati per asse
Funzioni Matematiche
Funzioni Comuni
| np.sqrt(a) | Radice quadrata di ogni elemento |
| np.abs(a) | Valore assoluto |
| np.exp(a) | e^x per ogni elemento |
| np.log(a) | Logaritmo naturale (ln) |
| np.log10(a) | Logaritmo in base 10 |
| np.sin(a) / np.cos(a) | Funzioni trigonometriche (radianti) |
| np.round(a, 2) | Arrotonda a 2 decimali |
| np.clip(a, lo, hi) | Limita i valori a [lo, hi] |
Algebra Lineare
Operazioni su Matrici
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
A @ B # moltiplicazione matriciale
np.dot(A, B) # uguale a A @ B
A.T # trasposta
Decomposizione e Risoluzione
np.linalg.inv(A) # inversa
np.linalg.det(A) # determinante
np.linalg.eig(A) # autovalori/vettori
np.linalg.solve(A, b) # risolve Ax = b
Numeri Casuali
Generazione di Numeri Casuali
rng = np.random.default_rng(42) # con seme
rng.random((2, 3)) # uniforme [0, 1)
rng.integers(1, 10, 5) # 5 interi in [1, 10)
rng.normal(0, 1, 100) # 100 da N(0,1)
rng.choice([1, 2, 3], size=2) # campione
API Legacy
np.random.seed(42)
np.random.rand(3, 3) # uniforme 3x3
np.random.randn(3, 3) # normale standard
np.random.shuffle(arr) # shuffle in-place
Reshaping
Manipolazione della Forma
a = np.arange(12)
a.reshape(3, 4) # matrice 3x4
a.reshape(3, -1) # inferisce le colonne
a.flatten() # torna a 1D (copia)
a.ravel() # torna a 1D (vista)
Stack e Split
np.vstack([a, b]) # impila verticalmente
np.hstack([a, b]) # impila orizzontalmente
np.concatenate([a, b], axis=0)
np.split(a, 3) # divide in 3 parti
Broadcasting
Come Funziona il Broadcasting
a = np.array([[1, 2, 3],
[4, 5, 6]]) # forma (2,3)
b = np.array([10, 20, 30]) # forma (3,)
a + b # b si espande a (2,3)
Regole
| Regola 1 | Aggiunge 1 alla forma più corta finché i rank coincidono |
| Regola 2 | Le dimensioni coincidono se uguali o una è 1 |
| Regola 3 | Le dimensioni di dimensione 1 si espandono per coincidere |
I/O su File
Formato Binario NumPy
np.save("data.npy", arr) # array singolo
arr = np.load("data.npy")
np.savez("data.npz", a=x, b=y) # multipli
d = np.load("data.npz"); d["a"]
File di Testo
np.savetxt("data.csv", arr, delimiter=",")
arr = np.loadtxt("data.csv", delimiter=",")
arr = np.genfromtxt("data.csv", delimiter=",",
skip_header=1)
Pattern Comuni
Normalizza a [0, 1]
normalized = (a - a.min()) / (a.max() - a.min())
Distanza Euclidea
dist = np.sqrt(np.sum((a - b) ** 2))
# oppure: np.linalg.norm(a - b)
Valori Unici e Conteggi
vals, counts = np.unique(a, return_counts=True)
dict(zip(vals, counts))
Ordinamento
np.sort(a) # copia ordinata
idx = np.argsort(a) # indici che ordinano
a[idx] # applica l'ordine