Forma y tamaño

Parte de la sección Datos y gráficos del Journey de Machine Learning de Coddy. Lección 6 de 60.

Los datos de aprendizaje automático son una tabla: una fila por muestra, una columna por característica. Una lista de listas forma una matriz 2D:

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

La matriz scores representada como una cuadrícula de 2 filas y 4 columnas de números, titulada scores.shape is (2, 4)

El array conoce su propio tamaño. Sin paréntesis: son datos almacenados, no funciones.

print(scores.shape)  # filas, columnas
print(scores.ndim)   # dimensiones
print(scores.size)   # valores
print(scores.dtype)  # su tipo

Esto imprime:

(2, 4)
2
8
int64

Comprueba primero la forma con cualquier dato nuevo: un modelo espera una fila por muestra.

Desafío

Fácil

Dos cines pueden combinar sus tablas de entradas solo si los diseños coinciden. Las entradas de Park están en rows; las de Plaza, en plaza.

Convierte rows en un array park.
Imprime los días, las funciones y los valores de cada cine, primero Park.
Imprime Same layout: y True o False.

Para 2 días con 3 funciones (48, 112, 65, después 37, 98, 120):

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

Pruébalo tú mismo

import numpy as np

# Entradas vendidas en el cine Park: una fila por día, un valor por función
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)

# Entradas vendidas en el cine Plaza: una fila por día, un valor por función
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],
])

# Escribe tu código a continuación