Arrays erstellen

Teil des Abschnitts Daten und Diagramme der Machine Learning-Journey von Coddy. Lektion 5 von 60.

Erinnerst du dich an die 150 Irisblüten? Für ein Modell sind sie 600 Zahlen in einem NumPy Array, eine Zeile pro Blüte:

Die Irisdaten als Raster aus Zahlen dargestellt: die Zeilen 0 bis 3 und Zeile 149 sind zu sehen, eine Zeile pro Blüte und vier Spalten: Kelchblattlänge, Kelchblattbreite, Blütenblattlänge, Blütenblattbreite

In diesem Kapitel werden solche Arrays ausgehend von einer Liste erstellt. np.array wandelt eine Liste in ein Array um:

temps = np.array([21, 23, 19])
print(temps)
print(type(temps))

Dies gibt Folgendes aus:

[21 23 19]
<class 'numpy.ndarray'>

Keine Kommas: Daran erkennst du ein Array. Und ein Array enthält einen Datentyp, also macht eine Dezimalzahl jeden Wert zu einer Dezimalzahl:

print(np.array([1, 2.5, 3]))

Dies gibt Folgendes aus:

[1.  2.5 3. ]

Ein gemeinsamer Typ ermöglicht es NumPy, schnell mit einer Million Werten zu rechnen.

Aufgabe

Einfach

Bei einem Kajakverleih wird gezählt, wie viele Kajaks von Montag bis Mittwoch vermietet wurden. Das Programm liest diese drei Zahlen und anschließend die Prognose für Donnerstag als Dezimalzahl ein.

Erstelle aus den drei Zahlen ein Array rented und gib es aus.
Erstelle aus den drei Zahlen und der Prognose in dieser Reihenfolge ein Array week und gib es aus.
Gib den Typ von week aus.

Für 8, 15, 4 und 12.5 lautet die Ausgabe:

[ 8 15  4]
[ 8.  15.   4.  12.5]
<class 'numpy.ndarray'>

Siehst du, wie eine Dezimalprognose alle Zahlen in Dezimalzahlen umgewandelt hat?

Probier es selbst

import numpy as np

# Von Montag bis Mittwoch vermietete Kajaks, dann die Prognose für Donnerstag
monday = int(input())
tuesday = int(input())
wednesday = int(input())
forecast = float(input())

# Schreibe deinen Code unten