Vettorizzazione, broadcasting e unità
Corso Python scientifico in GX-TXT · Modulo 3 · Lezione 16
NumPy permette di applicare un’operazione a un intero array con un’espressione concisa. Per ottenere risultati scientificamente interpretabili, però, bisogna controllare sia le forme degli operandi sia le unità. Confronteremo una conversione vettoriale con il registro pubblico delle unità di GX-TXT.
Obiettivi: applicare operazioni elemento per elemento; capire broadcasting e allocazioni; controllare compatibilità e conversione delle unità; distinguere una trasformazione di valori da un cambio di etichetta.
Prerequisiti: array, forme e maschere delle lezioni 13–15.
Operare su un array
import numpy as np
segnale_mv = np.array([1.2, 1.5, 1.3, 1.6])
segnale_v = segnale_mv / 1000.0
La divisione viene applicata a ogni elemento e produce un array di
valori in volt. Questa forma, detta spesso
vettorizzata, evita di scrivere esplicitamente un ciclo
Python per ogni elemento. segnale_mv non viene modificato
dall’espressione: il risultato è un nuovo array assegnato a
segnale_v.
I quattro valori sono segnali sintetici in millivolt, scelti per l’esercizio: non sono misure e non hanno un’incertezza assegnata. Poiché 1 V = 1000 mV, 1,2 mV corrispondono a 0,0012 V. Cambiare soltanto l’etichetta da mV a V senza dividere per 1000 darebbe un risultato errato.
Le funzioni universali NumPy, o ufunc, applicano operazioni
elemento per elemento: per esempio np.abs(segnale_mv)
calcola il valore assoluto di ogni elemento. Le operazioni possono
allocare array temporanei; un’espressione concisa non implica
automaticamente un consumo di memoria trascurabile.
Broadcasting
Nel calcolo segnale_mv / 1000.0, lo scalare
1000.0 viene applicato a tutti gli elementi. NumPy usa
regole di broadcasting per combinare forme compatibili,
senza che tu debba costruire esplicitamente un array pieno dello stesso
scalare.
Per due array, NumPy confronta le dimensioni partendo dall’ultimo
asse: dimensioni uguali, oppure una dimensione pari a 1, sono
compatibili per quell’asse. Assi mancanti si comportano come dimensioni
di lunghezza 1. Forme incompatibili generano un errore; forme
compatibili possono comunque produrre un risultato inatteso. Ad esempio,
combinare (4,) con (4, 1) può produrre una
matrice (4, 4), non quattro coppie: controlla
shape prima e dopo.
Broadcasting è una regola di forma, non una verifica del significato fisico. Due array possono essere compatibili per NumPy ma rappresentare tempi e tensioni che non devono essere sommati.
Compatibilità e conversione con GX-TXT
L’API pubblica UNIT_REGISTRY_API_v1 offre
compatible per verificare una coppia di unità e
convert_values per richiedere la conversione dei valori.
Nello script verifichiamo mV e V, poi
convertiamo il vettore sintetico da millivolt a volt. La conversione del
provider viene confrontata con la divisione NumPy per 1000.
Il risultato restituito dal bridge nell’esempio ha forma di colonna
(4, 1), mentre l’array NumPy originale è (4,).
Usiamo reshape(-1) solo per confrontare la stessa sequenza
di quattro valori; questa scelta è giustificata qui perché sappiamo che
si tratta di un’unica colonna. Per dati multidimensionali, non
appiattire senza verificare il significato degli assi.
Lo scarto massimo osservato è molto piccolo, circa
2.17e-19 V: riflette differenze di rappresentazione o di
ordine delle operazioni floating point. Non è un’incertezza strumentale.
In generale scegli una tolleranza motivata e non richiedere uguaglianza
bit a bit quando confronti calcoli numerici equivalenti.
Conversioni proporzionali e affini
La conversione mV → V è proporzionale: basta moltiplicare per un fattore. Altre conversioni di coordinate possono includere anche un termine costante, cioè essere affini. Non applicare una formula proporzionale generica a un’unità per cui è previsto un offset. Inoltre la conversione di una differenza o di un’incertezza non va confusa con la conversione di una coordinata assoluta: usa la relazione appropriata e le API documentate.
Somma o confronta grandezze solo quando le unità e il significato sono compatibili. Un controllo dimensionale è necessario, ma non sostituisce la comprensione del modello fisico.
Codice completo
import numpy as np
from gxtxt import gxtxt_api_call, gxtxt_api_require
gxtxt_api_require("UNIT_REGISTRY_API_v1@1")
segnale_mv = np.array([1.2, 1.5, 1.3, 1.6])
compatibili = gxtxt_api_call("UNIT_REGISTRY_API_v1", "compatible", ["mV", "V"])
convertito = gxtxt_api_call("UNIT_REGISTRY_API_v1", "convert_values", [segnale_mv, "mV", "V"])
calcolo = segnale_mv / 1000.0
print("Segnale sintetico (mV):", segnale_mv)
print("Unita compatibili:", compatibili)
print("Conversione GX-TXT (V):", convertito)
print("Calcolo NumPy (V):", calcolo)
print("Scarto massimo (V):", np.max(np.abs(np.asarray(convertito).reshape(-1) - calcolo)))
np.abs calcola lo scarto assoluto per ogni posizione e
np.max ne mostra il massimo. In questo esempio i due
vettori contengono quattro valori; prima di un confronto generico
controlla dimensioni e corrispondenza degli elementi.

Lo script confronta una conversione NumPy con quella del registro delle unità.
Esecuzione e controllo
- Apri una Session e il Viewer Python Scripts.
- Importa
vettori_unita.py, assegna nome e Script ID nello scopesession, quindi salva. - Apri Run → Open Script Runner…, premi Run Job e leggi l’output.
- Controlla che
compatiblerestituiscaTruee che i valori convertiti siano circa[0.0012, 0.0015, 0.0013, 0.0016]V. Lo scarto massimo deve essere piccolo rispetto alla scala dei valori.

Le due rappresentazioni concordano entro un piccolo scarto numerico.
Errore comune
Sommare un array di tensioni a un array di tempi può essere sintatticamente valido se le forme sono compatibili, ma non produce una grandezza fisicamente sensata. Controlla sempre le unità e il significato, oltre alla forma. Per unità non compatibili o relazioni non definite, non inventare un fattore di conversione.
Esercizio
Converti i valori sintetici [2.0, 3.5] mV in volt con
un’operazione NumPy. Quali valori ti aspetti? Verifica forma e unità del
risultato.
Soluzione ragionata
valori_mv = np.array([2.0, 3.5])
valori_v = valori_mv / 1000.0
print(valori_v) # [0.002 0.0035]Il risultato è un array di forma (2,) con valori in V.
Per usarlo come Dataset occorre mantenere metadati e unità coerenti; il
nome della variabile non aggiorna da solo alcun metadato GX-TXT.
Nella prossima lezione affronteremo aggregazioni, precisione e statistiche di base.