Forma e tamanho

Parte da seção Dados e gráficos do Journey de Machine Learning da Coddy. Lição 6 de 60.

Os dados de aprendizado de máquina são uma tabela: uma linha por amostra, uma coluna por característica. Uma lista de listas forma uma matriz 2D:

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

A matriz scores representada como uma grade de 2 linhas e 4 colunas de números, com o título scores.shape is (2, 4)

O array conhece seu próprio tamanho. Sem parênteses: esses são fatos armazenados, não funções.

print(scores.shape)  # linhas, colunas
print(scores.ndim)   # dimensões
print(scores.size)   # valores
print(scores.dtype)  # o tipo dos valores

Isso imprime:

(2, 4)
2
8
int64

Verifique o formato primeiro com quaisquer dados novos: um modelo espera uma linha por amostra.

Desafio

Fácil

Dois cinemas só podem combinar suas tabelas de ingressos se os formatos forem iguais. Os ingressos do Park estão em rows; os do Plaza, em plaza.

Transforme rows em um array park.
Imprima os dias, as sessões e os valores de cada cinema, primeiro Park.
Imprima Same layout: e True ou False.

Para 2 dias com 3 sessões (48, 112, 65, depois 37, 98, 120):

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

Experimente você mesmo

import numpy as np

# Ingressos vendidos no cinema Park: uma linha por dia, um valor por sessão
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)

# Ingressos vendidos no cinema Plaza: uma linha por dia, um valor por sessão
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],
])

# Escreva seu código abaixo