Array NumPy, dtype e shape
Corso Python scientifico in GX-TXT · Modulo 3 · Lezione 13
Nel modulo precedente abbiamo letto un Dataset per blocchi. Ora osserviamo come i valori numerici arrivano a Python e introduciamo gli array NumPy: contenitori progettati per dati numerici multidimensionali e operazioni efficienti.
Obiettivi: distinguere una lista da un
ndarray; leggere shape, ndim,
size e dtype; riconoscere un vettore colonna;
comprendere la differenza fra ordine logico e disposizione in
memoria.
Prerequisiti: liste, Dataset e lettura con
read_range delle lezioni precedenti; NumPy disponibile
nell’interprete configurato in GX-TXT.
Da una lista a un array
Una lista Python può contenere oggetti di tipi differenti. Un array
NumPy (ndarray) descrive una griglia di elementi,
generalmente tutti con lo stesso tipo numerico, e conserva informazioni
su forma e disposizione dei dati:
import numpy as np
valori = np.array([1.2, 1.5, 1.3, 1.6])
print(valori)
np è un nome convenzionale scelto nell’import. Il codice
costruisce un array da quattro valori sintetici; non sono misure reali.
Le operazioni tra array possono essere applicate a interi insiemi di
elementi, ma vettorizzazione e broadcasting saranno affrontati più
avanti.
np.asarray(oggetto) ottiene una rappresentazione come
array quando possibile. Può riutilizzare un array compatibile invece di
copiarlo: non presumere che produca sempre memoria indipendente. Se
serve una copia esplicita, studia il comportamento di
copy() e verifica le esigenze dell’applicazione.
Forma, dimensioni e numero di elementi
shape è una tupla che descrive la lunghezza di ogni
asse. Un array con forma (4,) ha un asse e quattro
elementi. Un array con forma (4, 1) ha due assi: quattro
righe e una colonna. Anche se contengono quattro numeri, le forme non
sono intercambiabili senza considerare le operazioni successive.
ndim è il numero di assi; size è il numero
totale di elementi. Per (4, 1), ndim è 2 e
size è 4. L’indice segnale[0, 0] seleziona
prima riga e prima colonna; segnale[-1, 0] seleziona
l’ultima riga della stessa colonna. Gli indici partono da zero.
Il tipo degli elementi:
dtype
dtype descrive la rappresentazione degli elementi
dell’array. Ad esempio, float64 usa un formato floating
point a 64 bit; int64 rappresenta interi con segno a 64
bit. I float64 hanno precisione finita e non rappresentano
esattamente tutti i decimali o tutti gli interi arbitrariamente grandi.
Convertire interi molto grandi in float64 può perdere
informazione: scegli il tipo in base al dato e al calcolo.
NumPy supporta anche booleani e numeri complessi, come
complex128; ciò non significa che ogni operazione o formato
di destinazione li supporti nello stesso modo. In presenza di dati
mancanti, una maschera e un valore NaN possono avere
significati diversi: non trattarli automaticamente come zero.
Esamineremo selezione e valori mancanti nelle lezioni successive.
Dati GX-TXT e vettore colonna
La serie sintetica della lezione 9 contiene quattro valori di segnale
in mV. CANONICAL_DATASET_API_v2/read_range legge un
intervallo per identificativo Dataset e variabile. Il client pubblico
trasporta valori e informazioni di forma; nell’esecuzione mostrata la
variabile è restituita come array di forma (4, 1), un
vettore colonna.
Leggiamo blocco["segnale"]["values"] e lo passiamo a
np.asarray, poi stampiamo forma, numero di dimensioni,
dimensione e tipo. Non assumere che tutti i Dataset abbiano la stessa
forma: controlla sempre metadati e significato degli assi prima di
indicizzare o trasformare i dati.
Ordine logico e memoria
La forma indica la struttura logica; la disposizione fisica degli
elementi in memoria è un’altra proprietà. Gli array possono essere
contigui secondo convenzioni C o Fortran, oppure essere viste non
contigue. segnale.flags.c_contiguous e
segnale.flags.f_contiguous mostrano le due proprietà
dell’oggetto corrente. Un vettore colonna semplice può risultare
contiguo in entrambi gli ordini, come nella figura: non è una
contraddizione.
L’ordine in memoria non cambia automaticamente l’interpretazione scientifica di righe e colonne. Quando dati attraversano un’interfaccia, rispetta forma, tipo e ordine dichiarati; non supporre che la sequenza dei byte sia una descrizione sufficiente del significato degli assi.
Codice completo
import numpy as np
from gxtxt import gxtxt_api_call, gxtxt_api_require
gxtxt_api_require("CANONICAL_DATASET_API_v2@2")
dataset = "corso_python_serie_sintetica"
blocco = gxtxt_api_call("CANONICAL_DATASET_API_v2", "read_range", [dataset, ["segnale"], 0, 4])
segnale = np.asarray(blocco["segnale"]["values"])
print("Segnale sintetico (mV):", segnale)
print("Tipo:", type(segnale))
print("Shape:", segnale.shape, "dimensioni:", segnale.ndim, "elementi:", segnale.size)
print("Dtype:", segnale.dtype)
print("Contiguo C:", segnale.flags.c_contiguous, "Contiguo Fortran:", segnale.flags.f_contiguous)
print("Primo e ultimo:", segnale[0, 0], segnale[-1, 0])
Il blocco richiede quattro righe dalla posizione zero. La lettura presuppone che il Dataset della lezione 9 sia presente e contenga almeno quattro righe; per un Dataset generico bisogna prima consultarne descrizione e limiti.

Il codice legge una variabile del Dataset e ne esamina la struttura.
Esecuzione
- Apri la Session con
corso_python_serie_sinteticae il Viewer Python Scripts. - Importa
array_dataset.py, assegna nome e Script ID nello scopesessione salva. - Apri Run → Open Script Runner…, esegui con Run Job e leggi l’output.
- Nell’esempio mostrato controlla i quattro valori,
shape (4, 1),ndim 2,size 4edtype float64. Il primo valore è 1,2 mV e l’ultimo 1,6 mV.

L’array osservato è una colonna di quattro valori sintetici.
Errore comune
Usare un solo indice come segnale[0] su un array
(4, 1) seleziona una riga, che può essere ancora un array;
segnale[0, 0] seleziona l’elemento. Non appiattire
automaticamente la struttura per far funzionare un’operazione: prima
verifica se l’asse colonna ha un significato e se l’operazione richiede
una forma specifica.
Esercizio
Per un array con shape (3, 2), quanti assi ed elementi
ci sono? Quale indice seleziona l’elemento della terza riga e seconda
colonna?
Soluzione ragionata
Gli assi sono due e gli elementi sono 3 × 2 = 6.
L’indice è [2, 1], perché entrambi gli indici partono da
zero. La forma da sola non dice quale grandezza fisica rappresenti ogni
colonna: occorrono i metadati.
Nella prossima lezione selezioneremo sottointervalli e colonne mantenendo la relazione tra coordinate e valori.