Corso Python scientifico in GX-TXT · Modulo 3 · Lezione 14

La forma di un array ci dice quanti assi possiede. In questa lezione selezioniamo righe e colonne di una tabella NumPy, conservando la corrispondenza fra tempi e segnali letti da GX-TXT.

Obiettivi: indicizzare array bidimensionali; usare slice e comprendere gli assi; distinguere viste e copie; riconoscere i rischi di una modifica di forma non motivata.

Prerequisiti: liste e slicing della lezione 4; ndarray, shape e dtype della lezione 13; Dataset sintetico della lezione 9.

Righe, colonne e indici

Considera una tabella con quattro righe e due colonne. La prima colonna contiene il tempo, la seconda il segnale. In NumPy tabella[1, 0] seleziona la seconda riga e la prima colonna: gli indici partono da zero. tabella[:, 0] seleziona la prima colonna per tutte le righe; tabella[1:3, :] seleziona le righe di indice 1 e 2 e tutte le colonne.

Il limite finale della slice è escluso. Per i dati sintetici del corso, le due righe centrali associano 0,5 s a 1,5 mV e 1,0 s a 1,3 mV. Sono valori inventati, non misure, e non hanno un’incertezza assegnata. Selezionare le stesse righe da entrambe le colonne mantiene la corrispondenza fra tempo e segnale.

Forma del risultato

Un array (4, 2) ha quattro righe e due colonne. tabella[1:3, :] ha forma (2, 2). Selezionando tabella[:, 0], NumPy produce normalmente un array monodimensionale di forma (4,); tabella[:, 0:1] conserva invece una colonna bidimensionale di forma (4, 1). I valori possono essere gli stessi, ma la forma influenza le operazioni successive.

Un asse è una direzione della struttura: in questa tabella l’asse 0 attraversa le righe e l’asse 1 le colonne. Non dedurre il significato fisico degli assi dalla sola forma: qui il significato deriva dai metadati e dal modo esplicito in cui costruiamo la tabella.

Viste e copie

Una slice NumPy semplice è spesso una vista: un altro oggetto che condivide la memoria dei dati originali. Modificare la vista può quindi modificare anche l’array di partenza. np.shares_memory(tabella, centrali) permette di controllare la condivisione nell’esempio; centrali.copy() crea una copia dei dati dell’array selezionato.

L’indicizzazione avanzata con liste di indici o maschere booleane segue regole diverse e generalmente produce una copia. Le maschere saranno trattate nella prossima lezione. Prima di modificare un sottoinsieme di dati scientifici, decidi se vuoi cambiare l’originale o lavorare su una copia e conserva la provenienza.

reshape e valori mancanti

reshape propone una nuova forma compatibile con il numero di elementi: per esempio, quattro elementi possono avere forma (4, 1) o (2, 2). La compatibilità numerica della forma non garantisce che il cambiamento abbia senso scientifico. Non trasformare una sequenza di tempi e segnali in una matrice diversa solo per soddisfare un’operazione senza spiegare cosa rappresentano i nuovi assi. A seconda della disposizione dei dati, reshape può restituire una vista o richiedere una copia.

I valori mancanti richiedono attenzione: un NaN e una maschera di celle mancanti non sono necessariamente la stessa cosa. L’API può fornire metadati o maschere aggiuntive; seleziona dati e maschere in modo coerente. La serie sintetica di questa lezione non contiene celle mancanti intenzionali.

Esempio con GX-TXT

CANONICAL_DATASET_API_v2/read_range riceve l’identificativo Dataset, gli ID delle variabili, l’indice iniziale e il numero di righe. Leggiamo tempo e segnale per le prime quattro righe. np.column_stack((tempo, segnale)) costruisce la tabella a due colonne; poi selezioniamo entrambe le colonne per le due righe centrali.

Codice completo

import numpy as np
from gxtxt import gxtxt_api_call, gxtxt_api_require

gxtxt_api_require("CANONICAL_DATASET_API_v2@2")
b = gxtxt_api_call("CANONICAL_DATASET_API_v2", "read_range", ["corso_python_serie_sintetica", ["tempo", "segnale"], 0, 4])
tempo = np.asarray(b["tempo"]["values"])
segnale = np.asarray(b["segnale"]["values"])
tabella = np.column_stack((tempo, segnale))
centrali = tabella[1:3, :]
print("Tabella tempo (s), segnale (mV):\n", tabella)
print("Shape:", tabella.shape)
print("Righe centrali:\n", centrali)
print("Tempo centrale:", centrali[:, 0])
print("Segnale centrale:", centrali[:, 1])
print("Vista condivisa:", np.shares_memory(tabella, centrali))

Il codice richiede quattro righe già presenti nella Session; un programma generale deve leggere i metadati prima di stabilire l’intervallo. column_stack qui riceve due colonne corrispondenti riga per riga: non basta che abbiano la stessa lunghezza se provengono da acquisizioni non allineate.

Script di selezione di righe e colonne nell'editor Python di GX-TXT.
Script di selezione di righe e colonne nell'editor Python di GX-TXT.

L’editor mostra la lettura pubblica e la selezione delle righe centrali.

Esecuzione e controllo

  1. Apri la Session con il Dataset sintetico della lezione 9 e il Viewer Python Scripts.
  2. Importa selezione_array.py, assegna nome e Script ID nello scope session e salva.
  3. Avvia il Runner e premi Run Job. Apri l’output dopo il completamento.
  4. Controlla shape (4, 2), le coppie centrali (0.5, 1.5) e (1.0, 1.3) e il risultato True di shares_memory per questa slice.
Tabella e righe centrali ottenute dal Dataset sintetico.
Tabella e righe centrali ottenute dal Dataset sintetico.

Tempo e segnale rimangono associati nelle due righe selezionate.

Errore comune

Selezionare i tempi con tempo[1:3] e i segnali con segnale[2:4] produce due insiemi della stessa lunghezza ma sfalsati di una riga. Una forma compatibile non prova che le coppie siano corrette: verifica sempre gli indici e la relazione fra coordinate e valori.

Esercizio

Per una tabella (4, 2), scrivi la selezione delle prime tre righe mantenendo entrambe le colonne. Quale forma ha il risultato? Come ottieni una copia indipendente?

Soluzione ragionata

selezione = tabella[:3, :] ha forma (3, 2). Per una copia indipendente dei dati usa copia = tabella[:3, :].copy(). La selezione semplice può condividere memoria con la tabella originale; la copia esplicita evita che una sua modifica alteri la tabella tramite quella memoria condivisa.

Nella prossima lezione selezioneremo valori in base a maschere booleane.

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 *