NumPy — Guida Didattica

01Fondamenti

Perché NumPy e non le liste?

Le liste Python sono flessibili ma lente per grandi quantità di numeri. NumPy (Numerical Python) introduce l'array: una struttura simile a una lista, ma ottimizzata per il calcolo numerico veloce, capace di eseguire operazioni su interi blocchi di numeri in un colpo solo.

import numpy as np

voti_lista = [7, 8, 6, 9]
voti_array = np.array(voti_lista)

print(voti_array + 1)  # [8 9 7 10] → somma applicata a TUTTI gli elementi insieme

Con una lista normale, voti_lista + 1 darebbe errore: con NumPy invece l'operazione si applica automaticamente a ogni elemento (si chiama "vettorizzazione").

⚡VelocitàLe operazioni su array NumPy sono molto più veloci dei cicli manuali su liste.

🔢Base della Data SciencePandas, Matplotlib e le librerie di Machine Learning si appoggiano su NumPy.

02Operazioni Fondamentali

🧱 Creazione di array▶

Puoi creare array da liste esistenti, o generarli automaticamente con funzioni pronte.

np.array([1, 2, 3]) np.zeros(5) # [0. 0. 0. 0. 0.] np.arange(0, 10, 2) # [0 2 4 6 8]

➕ Operazioni vettoriali▶

Somma, sottrazione, moltiplicazione e divisione si applicano automaticamente a ogni elemento dell'array, senza bisogno di cicli for.

a = np.array([1, 2, 3]) b = np.array([10, 20, 30]) print(a + b) # [11 22 33]

📐 Indicizzazione e slicing▶

Come le liste, gli array supportano indici e "fette" (slice) per estrarre sotto-porzioni di dati.

numeri = np.array([10, 20, 30, 40, 50]) print(numeri[1:3]) # [20 30]

📊 Funzioni statistiche▶

NumPy include funzioni pronte per calcolare statistiche di base su un array: media, deviazione standard, massimo, minimo, somma.

voti = np.array([6, 7, 8, 9]) print(voti.mean()) # 7.5 print(voti.std()) # deviazione standard

🗂️ Array multidimensionali▶

Gli array possono avere più dimensioni (matrici, tensori), fondamentali per rappresentare immagini, tabelle di dati e strutture usate nel Machine Learning.

03Checklist Pratica

Spunta ogni passaggio man mano che lo completi: sbloccherai l'attestato di questa guida al termine.

Esempio per il punto 1

import numpy as np
print(np.__version__)  # se non dà errore, è installato correttamente

1. Installa e importa NumPyEsegui pip install numpy (se serve) e importalo come nell'esempio sopra.

Esempio per il punto 2

numeri = np.array([4, 8, 15, 16, 23])
print(numeri)

2. Crea un array 1DCrea un array da una lista di 5 numeri e stampalo, come nell'esempio sopra.

Esempio per il punto 3

print(numeri + 10)   # somma 10 a ogni elemento
print(numeri * 2)    # moltiplica ogni elemento per 2
print(numeri / 2)    # divide ogni elemento per 2

3. Esegui operazioni vettorialiSomma, moltiplica e dividi il tuo array per un numero, come nell'esempio sopra.

Esempio per il punto 4

print(numeri.mean())  # media
print(numeri.max())   # massimo
print(numeri.min())   # minimo

4. Calcola statistiche di baseTrova media, massimo e minimo del tuo array con .mean(), .max(), .min(), come nell'esempio sopra.

5. Completa il quiz di verificaScendi in fondo alla guida e rispondi correttamente ad almeno l'80% delle domande.

04Glossario Interattivo

Tocca ogni termine per vederne la definizione.

05Quiz di Verifica

06Esercitazioni Pratiche

Esercizio 1

Analisi voti di classe

Crea un array NumPy con i voti di 8 studenti. Calcola media, massimo, minimo e quanti voti sono sopra la media.

⏱ 15 minuti📦 Script con 4 statistiche stampate🖥️ Individuale

Esercizio 2

Conversione di temperature in blocco

Crea un array con 5 temperature in Celsius. Usando una singola operazione vettoriale, convertile tutte in Fahrenheit (F = C * 9/5 + 32) e stampa il risultato.

⏱ 15 minuti📦 Array convertito stampato🖥️ Individuale

Esercizio 3

Trova l'errore: liste vs array

Questo codice genera un errore: lista = [1, 2, 3] seguito da print(lista + 1). Spiega perché fallisce e come lo risolveresti usando NumPy.

⏱ 10 minuti📦 Spiegazione scritta + codice corretto🖥️ Individuale o in coppia

🎓 Attestato di completamento

Completa tutti i 5 passaggi della checklist per sbloccare il tuo attestato in PDF.

0 / 5 passaggi completati