Form und Größe

Teil des Abschnitts Daten und Diagramme der Machine Learning-Journey von Coddy. Lektion 6 von 60.

Machine-Learning-Daten sind eine Tabelle: eine Zeile pro Stichprobe, eine Spalte pro Merkmal. Eine Liste von Listen ergibt eine solche Tabelle, ein 2D-Array:

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

Das scores-Array als Raster mit 2 Zeilen und 4 Spalten mit Zahlen, betitelt mit scores.shape ist (2, 4)

Das Array kennt seine eigene Größe. Keine Klammern: Das sind gespeicherte Fakten, keine Funktionen.

print(scores.shape)  # Zeilen, Spalten
print(scores.ndim)   # Dimensionen
print(scores.size)   # Werte
print(scores.dtype)  # deren Datentyp

Dies gibt aus:

(2, 4)
2
8
int64

Überprüfe bei neuen Daten zuerst die Form: Ein Modell erwartet eine Zeile pro Beispiel.

Aufgabe

Einfach

Zwei Kinos können ihre Tickettabellen nur zusammenführen, wenn die Anordnungen übereinstimmen. Die Tickets von Park stehen in rows; die von Plaza in plaza.

Wandle rows in ein Array park um.
Gib die Anzahl der Tage, Vorstellungen und Werte jedes Kinos aus, zuerst Park.
Gib Same layout: und True oder False aus.

Für 2 Tage mit 3 Vorstellungen (48, 112, 65, dann 37, 98, 120):

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

Probier es selbst

import numpy as np

# Verkaufte Kinokarten im Park-Kino: eine Zeile pro Tag, ein Wert pro Vorstellung
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)

# Verkaufte Kinokarten im Plaza-Kino: eine Zeile pro Tag, ein Wert pro Vorstellung
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],
])

# Schreibe deinen Code unten