الشكل والحجم

جزء من قسم البيانات والرسوم البيانية في رحلة Machine Learning على Coddy. الدرس 6 من 60.

بيانات التعلم الآلي عبارة عن جدول: صف واحد لكل عينة، وعمود واحد لكل سمة. تنشئ قائمة من القوائم جدولًا، أي مصفوفة ثنائية الأبعاد:

scores = np.array([[8, 6, 9, 7],
                   [7, 10, 5, 8]])

مصفوفة scores مرسومة على شكل شبكة من صفين و4 أعمدة من الأرقام، بعنوان scores.shape is (2, 4)

تعرف المصفوفة حجمها. بلا أقواس: هذه حقائق مخزنة وليست دوالًا.

print(scores.shape)  # الصفوف، الأعمدة
print(scores.ndim)   # الأبعاد
print(scores.size)   # القيم
print(scores.dtype)  # نوعها

يطبع هذا:

(2, 4)
2
8
int64

تحقّق من الشكل أولًا مع أي بيانات جديدة: يتوقع النموذج صفًا واحدًا لكل عيّنة.

التحدي

سهل

يمكن لسينمَيين دمج جدولي التذاكر لديهما فقط إذا تطابقت البُنى. تذاكر Park موجودة في rows؛ وتذاكر Plaza في plaza.

حوِّل rows إلى مصفوفة باسم park.
اطبع عدد الأيام والعروض والقيم لكل سينما، مع Park أولًا.
اطبع Same layout: وTrue أو False.

لمدة يومين مع 3 عروض (48، 112، 65، ثم 37، 98، 120):

Park: 2 days, 3 showings a day, 6 values
Plaza: 7 days, 4 showings a day, 28 values
Same layout: False

جرّب بنفسك

import numpy as np

# التذاكر المباعة في سينما Park: صف واحد لكل يوم، وقيمة واحدة لكل عرض
days = int(input())
showings = int(input())
rows = []
for day in range(days):
    row = []
    for showing in range(showings):
        row.append(int(input()))
    rows.append(row)

# التذاكر المباعة في سينما Plaza: صف واحد لكل يوم، وقيمة واحدة لكل عرض
plaza = np.array([
    [34, 58, 91, 40],
    [29, 63, 85, 37],
    [41, 70, 96, 52],
    [38, 66, 102, 47],
    [55, 88, 120, 74],
    [72, 95, 131, 80],
    [60, 81, 99, 45],
])

# اكتب الكود الخاص بك أدناه