Şekil ve Boyut

Coddy'nin Machine Learning Journey'sinin Veriler ve Grafikler bölümünün bir parçası. Ders 6 / 60.

Makine öğrenmesi verileri bir tablodur: her örnek için bir satır, her özellik için bir sütun. Listelerin listesi bir tane oluşturur; bu bir 2B dizidir:

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

scores dizisinin, 2 satır ve 4 sütun sayıdan oluşan bir ızgara olarak çizimi; başlık: scores.shape is (2, 4)

Dizi kendi boyutunu bilir. Parantez yok: bunlar işlev değil, saklanan bilgilerdir.

print(scores.shape)  # satırlar, sütunlar
print(scores.ndim)   # boyutlar
print(scores.size)   # değerler
print(scores.dtype)  # değerlerin veri türü

Bu, şunu yazdırır:

(2, 4)
2
8
int64

Yeni her veriyle önce şekli kontrol et: bir model her örnek için bir satır bekler.

Görev

Kolay

İki sinema, bilet tablolarının düzenleri eşleşiyorsa birleştirilebilir. Park'ın biletleri rows içinde; Plaza'nınkiler plaza içinde.

rows listesini park adlı bir diziye dönüştür.
Her sinemanın gün, gösterim ve değer sayılarını yazdır; önce Park'ı yazdır.
Same layout: ve True veya False değerini yazdır.

2 gün ve günde 3 gösterim için (48, 112, 65, sonra 37, 98, 120):

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

Kendin dene

import numpy as np

# Park sinemasında satılan biletler: her gün için bir satır, her gösterim için bir değer
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)

# Plaza sinemasında satılan biletler: her gün için bir satır, her gösterim için bir değer
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],
])

# Kodunuzu aşağıya yazın