Polia

🔢 Úvod

Knižnica NumPy poskytuje dátovú štruktúru ndarray (N-rozmerné pole), ktorá je základom pre efektívne numerické výpočty v Pythone.

ndarray môže reprezentovať skalár, vektor, maticu alebo viacrozmerné dáta.

---

📦 Import NumPy a vytvorenie poľa

import numpy as np

Jednorozmerné pole (vektor)

vektor = np.array([1, 2, 3])
print(vektor)

[1 2 3]

Dvojrozmerné pole (matica)

matica = np.array([[1, 2], [3, 4]])
print(matica)

[[1 2]
 [3 4]]

---

🎯 Analógia k lineárnej algebre

• Skalár – jedno číslo: np.array(5)
• Vektor – jednorozmerné pole
• Matica – dvojrozmerné pole
• Tensor – pole s viac ako 2 rozmermi

---

📏 Rozmery a tvar poľa

print(vektor.shape) # (3,) = vektor s tromi prvkami print(matica.shape) # (2, 2) = 2 riadky, 2 stĺpce

---

📝 Vytvárenie polí hodnôt np.arange a np.linspace

np.arange(start, stop, step)

Vytvára pole hodnôt od start (vrátane) po stop (bez stop) s daným krokom step. Funguje podobne ako vstavaná funkcia range, ale vracia NumPy pole a podporuje desatinné kroky.

print(np.arange(0, 5, 0.5))  # → [0. , 0.5, 1. , ..., 4.5]

[0.  0.5 1.  1.5 2.  2.5 3.  3.5 4.  4.5]

np.linspace(start, stop, num)

Generuje num rovnomerne rozložených hodnôt medzi start a stop (vrátane stop). Používa sa, keď chcete presne určiť počet prvkov v rozsahu namiesto kroku.

print(np.linspace(0, 5, 6))  # → [0., 1., 2., 3., 4., 5.]

[0. 1. 2. 3. 4. 5.]

---

⚡ Výhody oproti zoznamom

• Efektívne ukladanie a spracovanie veľkých dát
• Podpora vektorových a maticových operácií
• Bohatá sada matematických funkcií

---

🧠 Zhrnutie

• ndarray je základná dátová štruktúra v NumPy
• 1D pole = vektor, 2D pole = matica
• Podporuje rýchle a efektívne operácie
• Pri práci s lineárnou algebrou je prirodzenou voľbou

---

📚 Oficiálna dokumentácia NumPy

Podrobný popis funkcií, ich parametrov a príkladov použitia nájdete v oficiálnej dokumentácii knižnice NumPy na adrese: https://numpy.org/doc/stable/.

---

🎞️ Videonávod

---