Forma e dimensione

Fa parte della sezione Dati e grafici del percorso Machine Learning di Coddy. Lezione 6 di 60.

I dati dell'apprendimento automatico sono una tabella: una riga per campione, una colonna per caratteristica. Una lista di liste ne crea una, un array 2D:

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

L'array scores rappresentato come una griglia di 2 righe e 4 colonne di numeri, con il titolo scores.shape è (2, 4)

L'array conosce la propria dimensione. Nessuna parentesi: sono dati memorizzati, non funzioni.

print(scores.shape)  # righe, colonne
print(scores.ndim)   # dimensioni
print(scores.size)   # valori
print(scores.dtype)  # il loro tipo

Questo stampa:

(2, 4)
2
8
int64

Controlla prima la forma con qualsiasi nuovo dato: un modello si aspetta una riga per campione.

Sfida

Facile

Due cinema possono unire le loro tabelle dei biglietti solo se i layout corrispondono. I biglietti di Park sono in rows; quelli di Plaza in plaza.

Trasforma rows in un array park.
Stampa i giorni, le proiezioni e i valori di ciascun cinema, prima Park.
Stampa Same layout: e True o False.

Per 2 giorni con 3 proiezioni (48, 112, 65, poi 37, 98, 120):

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

Provalo tu

import numpy as np

# Biglietti venduti al cinema Park: una riga per giorno, un valore per proiezione
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)

# Biglietti venduti al cinema Plaza: una riga per giorno, un valore per proiezione
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],
])

# Scrivi il tuo codice qui sotto