Basi di un array
NumPy è il pacchetto fondamentale per il calcolo numerico in Python: offre un potente oggetto array e una suite di funzioni per lavorare in modo efficiente con questi array. I vantaggi di NumPy sono:
• Multidimensionale: Supporta array non solo monodimensionali.
• Operazioni potenti: Include un'ampia libreria di funzioni matematiche e statistiche.
• Vettorizzazione: Consente di eseguire operazioni su interi array senza dover scrivere cicli espliciti, migliorando le prestazioni.
• Integrazione: Si integra senza problemi con altre librerie scientifiche come SciPy, Pandas e Matplotlib.
Iniziamo a creare un array con NumPy. Per prima cosa importi NumPy e poi usi la funzione array() per creare un array. La funzione array() accetta una lista come input.
Il tipo di my_array è un numpy.ndarray.
Esempi di array
Esempio di creazione di un array
Nell'esempio seguente convertirai una lista in un array usando la funzione array() di NumPy. Creerai una lista a_list composta da interi. Poi, usando la funzione array(), la convertirai in un array.
Esempio di operazione su array
Nell'esempio seguente sommi due array NumPy. Il risultato è una somma elemento per elemento di entrambi gli array.
Esempio di indicizzazione di un array
Puoi selezionare un elemento a un indice specifico di un array usando la notazione di indicizzazione.
Puoi anche estrarre una porzione di elementi usando la notazione di slicing, specificando un intervallo di indici.
Esempio interattivo: da lista ad array
Nell'esempio seguente importerai numpy con l'alias np. Crea gli array prices_array ed earnings_array a partire dalle liste prices ed earnings, rispettivamente. Infine, stampa entrambi gli array.
import numpy as np
# Lists
prices = [170.12, 93.29, 55.28, 145.30, 171.81, 59.50, 100.50]
earnings = [9.2, 5.31, 2.41, 5.91, 15.42, 2.51, 6.79]
# NumPy arrays
prices_array = np.array(prices)
earnings_array = np.array(earnings)
# Print the arrays
print(prices_array)
print(earnings_array)
# Expected output:
# [170.12 93.29 55.28 145.3 171.81 59.5 100.5 ]
# [ 9.2 5.31 2.41 5.91 15.42 2.51 6.79]Per saperne di più sugli array NumPy in Python, guarda questo video del nostro corso Introduzione a Python per la finanza.
Questo contenuto è tratto dal corso Introduzione a Python per la finanza di DataCamp, a cura di Adina Howe.
Dai un'occhiata al nostro Tutorial sugli array NumPy in Python.
Domande frequenti
Quali sono le principali differenze tra il modulo array di Python e gli array di NumPy?
Le differenze principali riguardano funzionalità e casi d'uso. Il modulo array di Python fornisce funzionalità di base per creare array compatti e con tipo ristretto, simili a quelli di linguaggi come C. Gli array di NumPy, invece, offrono funzionalità avanzate come il supporto per array multidimensionali, un'ampia libreria di funzioni matematiche e ottimizzazioni delle prestazioni tramite vettorizzazione. In generale, NumPy è preferito per il calcolo numerico e scientifico.
Posso usare il modulo array di Python per tipi di dato stringa o oggetto?
No, il modulo array è progettato per contenere solo tipi di dato di base come interi, float e simili. Non supporta stringhe o oggetti. Per collezioni di questi tipi, le liste di Python o altre strutture dati come tuple o dizionari sono più appropriate.
Perché usare gli array di NumPy invece delle liste di Python per dati numerici?
Gli array di NumPy sono ottimizzati specificamente per i calcoli numerici. Offrono capacità di memorizzazione e elaborazione efficienti superiori alle liste di Python, soprattutto per dataset di grandi dimensioni. Funzionalità come la vettorizzazione consentono di eseguire operazioni su interi array senza cicli espliciti, migliorando notevolmente prestazioni e leggibilità del codice.


Gli array sono strutture dati fondamentali in molti linguaggi di programmazione: permettono di memorizzare collezioni di elementi dello stesso tipo in un blocco contiguo di memoria, ovvero con tutti gli elementi archiviati in sequenza senza interruzioni. Questa struttura consente un accesso e una manipolazione efficienti degli elementi memorizzati.
A differenza di linguaggi come C o Java, Python non dispone di un tipo di dato array incorporato nel senso tradizionale. Invece, Python offre diverse alternative che funzionano come array, ciascuna adatta a differenti esigenze e scenari di programmazione.
La libreria standard di Python include il modulo array, che consente di creare array compatti con tipo ristretto, simili a quelli dei linguaggi più staticamente tipizzati.
Per il calcolo numerico e scientifico, però, la libreria NumPy e il suo ndarray (array n-dimensionale) sono diventati lo standard di riferimento in Python. Gli array di NumPy offrono funzionalità estese, ben oltre la struttura di base proposta dalla libreria standard di Python.