ndarray: создание из последовательностей и атрибуты структуры

Первый результат: посчитать данные, а не настроить окружение

Есть суммы заказов за несколько дней. Хотим получить выручку за весь период. В NumPy это можно сделать одной операцией над массивом:

import numpy as np

sales = np.array([100, 200, 400])
print(sales.sum())  # 700

np.array превращает список чисел в массив. sales.sum() складывает его элементы. Для первого решения достаточно этих двух действий — разбираться с памятью и всеми типами данных сейчас не нужно.

На следующем шаге — такая задача с готовыми данными. NumPy уже есть в среде проверки. Ничего устанавливать, загружать из файла или читать через input() не потребуется. Измените одну строку и отправьте решение.

Какой маршрут вам нужен

• Массивы, вычисления, подготовка к ML: решите следующую задачу и продолжайте этот модуль. Затем будут выборка элементов, операции и агрегаты.
• Таблицы, CSV и отчёты: можно начать с первого урока pandas. Там есть отдельная короткая задача; проходить все уроки NumPy перед ней не требуется.

Нужны основы Python: переменные, списки и вызов функций. За первый заход достаточно получить один верный результат; дальше выберите следующую небольшую тему.

Два имени, которые встретятся дальше

np.array(...) — функция создания массива, np.ndarray — тип полученного объекта. У массива один общий тип элементов — dtype. Для обычной числовой таблицы строки должны быть одинаковой длины. Форму массива, типы и создание таблиц разберём после первой практики.