Array prüfen
NumPy ist als np importiert. Das vorbereitete arr enthält [10, 20, 30, 40, 50].
arrErkunde NumPy-Arrays und numerisches Rechnen. Übe Array-Erstellung, Vektorarithmetik und Aggregationen vor größeren Python-Datenprojekten.
Hier starten
Lade eine Aufgabe ins Terminal und drücke die Eingabetaste. Alle Beispiele funktionieren in der Einführungssitzung auf dieser Seite.
NumPy ist als np importiert. Das vorbereitete arr enthält [10, 20, 30, 40, 50].
arrLies die Form des eindimensionalen Beispielarrays aus.
arr.shapeWähle ein Element mit einem bei null beginnenden Index aus.
arr[0]Lies die Elemente an den Indizes eins bis drei.
arr[1:4]Addiere fünf zu jedem Element, ohne arr zu verändern.
arr + 5Addiere alle Werte im Beispielarray.
arr.sum()Berechne das arithmetische Mittel.
arr.mean()Erzeuge ein Array mit den Werten null bis vier.
np.arange(5)Keine lokale Einrichtung
Erkunde NumPy-Arrays und numerisches Rechnen. Übe Array-Erstellung, Vektorarithmetik und Aggregationen vor größeren Python-Datenprojekten.
Beginne mit den Übungen oben. Für ein Projekt öffnest du das LabEx-Lab und nutzt echte Werkzeuge unter Linux mit schrittweiser Anleitung und direkter Rückmeldung.
Weiterlernen
Vertiefe deine NumPy-Experimente mit einem strukturierten Lernpfad. Wähle ein angeleitetes Lab und übe jedes Konzept online.
Übe Array-Erstellung, Indizierung, Arithmetik und einfache Statistik. Folge dem Data-Science-Lernpfad und nutze ein gehostetes Python-Lab für größere numerische Aufgaben.
Die Einführungsübungen sind kostenlos. Melde dich für eine vollständige Umgebung an; Dauer und Ressourcen hängen vom Lab und deinem Tarif ab.
Keine lokale Installation nötig. Melde dich an und öffne das Lab in einem modernen Browser. Folge den Anweisungen zur Einrichtung der Software innerhalb der Umgebung.
Diese Vorschau unterstützt nur einige Befehle. Starte nach der Anmeldung das Python-Lab für weitere Befehle, Pakete und Dienste. Software und Berechtigungen hängen vom Lab ab.
Folge dem Data Science-Lernpfad mit angeleiteten Labs und Herausforderungen. Übe regelmäßig, prüfe Befehlsausgaben und bitte Labby um Hilfe.
Dein nächster Schritt
Lerne mit echten Werkzeugen, angeleiteten Labs und Unterstützung von Labby weiter.