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.

Script NumPy nell'editor Python di GX-TXT.
Script NumPy nell'editor Python di GX-TXT.

Il codice legge una variabile del Dataset e ne esamina la struttura.

Esecuzione

  1. Apri la Session con corso_python_serie_sintetica e il Viewer Python Scripts.
  2. Importa array_dataset.py, assegna nome e Script ID nello scope session e salva.
  3. Apri Run → Open Script Runner…, esegui con Run Job e leggi l’output.
  4. Nell’esempio mostrato controlla i quattro valori, shape (4, 1), ndim 2, size 4 e dtype float64. Il primo valore è 1,2 mV e l’ultimo 1,6 mV.
Forma, tipo e valori dell'array ottenuto dal Dataset.
Forma, tipo e valori dell'array ottenuto dal Dataset.

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.

Scarica gli script del Modulo 03 (ZIP)

#GX-TXT #NumPy #Python

Altre tappe del progetto

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *