Creación de arrays

Parte de la sección Datos y gráficos del Journey de Machine Learning de Coddy. Lección 5 de 60.

¿Recuerdas las 150 flores de iris? Para un modelo, son 600 números en un array de NumPy, una fila por flor:

Los datos del iris representados como una cuadrícula de números: se muestran las filas de la 0 a la 3 y la fila 149, una fila por flor, y cuatro columnas: longitud del sépalo, anchura del sépalo, longitud del pétalo, anchura del pétalo

Este capítulo crea matrices como esta, comenzando con una lista. np.array convierte una lista en una matriz:

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

Esto imprime:

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

Sin comas: así es como identificas un arreglo. Y un arreglo contiene un tipo, así que un número decimal hace que todos los valores sean decimales:

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

Esto imprime:

[1.  2.5 3. ]

Un tipo compartido es lo que permite a NumPy hacer cálculos rápidamente con un millón de valores.

Desafío

Fácil

Un alquiler de kayaks cuenta los kayaks alquilados de lunes a miércoles. El programa lee esas tres cantidades y después el pronóstico del jueves, un número decimal.

Crea un arreglo rented con las tres cantidades e imprímelo.
Crea un arreglo week con las tres cantidades y el pronóstico, en ese orden, e imprímelo.
Imprime el tipo de week.

Para 8, 15, 4 y 12.5, la salida es:

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

¿Ves cómo un pronóstico decimal convirtió cada cantidad en un decimal?

Pruébalo tú mismo

import numpy as np

# Kayaks alquilados de lunes a miércoles, seguidos del pronóstico del jueves
monday = int(input())
tuesday = int(input())
wednesday = int(input())
forecast = float(input())

# Escribe tu código a continuación