Data Science · मराठी आवृत्ती

4.1 Arrays आणि shape

रवींद्र बागले यांच्या course वर आधारित · सहज मराठीत explanation

Array मधल्या प्रत्येक position वरील quantity आणि price एकमेकांशी multiply करूया. स्वतंत्र Python loop न लिहिता हे काम होतं; याला vectorised operation म्हणतात.

import numpy as np

qty = np.array([2, 1, 2, 1, 1, 3])
print(qty.shape, qty.dtype)   # (6,) int64

prices = np.array([32.0, 90.0, 120.0, 58.0, 1299.0, 65.0])
line_total = qty * prices     # vectorised
print(line_total)
print(line_total.sum())

आता काल्पनिक city × day orders चा 2-D array पाहू. Rows म्हणजे Pune, Nashik, Nagpur आणि columns म्हणजे तीन दिवस.

# rows: Pune, Nashik, Nagpur; cols: three days
counts = np.array([
    [210, 230, 900],   # Diwali spike on day 3
    [120, 130, 400],
    [150, 160, 450],
], dtype=np.int32)
print(counts.shape)       # (3, 2) wait — (3, 3)
print(counts.mean(axis=1))  # mean per city

दुरुस्ती: या array चा shape (3, 3) आहे — 3 rows आणि 3 columns. Code मधल्या जुन्या comment मधला (3, 2) भाग योग्य नाही.

Jupyter मध्ये steps

1. import numpy as np run करा.
2. वरचे qty आणि prices तयार करा.
3. line_total = qty * prices आणि line_total.mean() काढा.
4. दिवसानुसार totals साठी counts.sum(axis=0) print करा.

Output मध्ये position नुसार multiplication दिसेल. City-day grid चा shape (3, 3) असेल.