2.2.1 - Introduzione a NumPy¶

La libreria NumPy, nome derivante dalla crasi tra *Num*erical *Py*thon, è il pilastro fondamentale per il calcolo scientifico e l'analisi dati in Python.

Nella pratica, NumPy è uno standard de facto: le sue strutture dati sono utilizzate come base (o "motore" interno) da quasi tutte le altre librerie di Data Science e Machine Learning, tra cui Pandas, Scikit-Learn e TensorFlow.

Installare NumPy¶

Come visto nelModulo 1.3, è fondamentale installare le librerie esterne all'interno del nostro ambiente virtuale isolato.

Apriamo il terminale, attiviamo l'ambiente virtuale e usiamo pip:

# Assicurati di avere l'ambiente virtuale attivo, es: source .venv/bin/activate
pip install numpy

La convenzione universale per importare NumPy nei nostri script è utilizzare l'alias np:

import numpy as np

La struttura dati: ndarray¶

Il cuore pulsante di NumPy è l'oggetto ndarray (n-dimensional array). Si tratta di una struttura dati ottimizzata per rappresentare vettori, matrici e tensori a \(n\) dimensioni, contenenti dati di tipo strettamente omogeneo (tutti numeri interi, o tutti decimali, ecc.).

Il metodo più semplice per creare un array è usare il costruttore np.array() passandogli una normale lista Python:

>>> a = np.array([1, 2, 3, 4, 5])
>>> type(a)
<class 'numpy.ndarray'>

Array vs Liste: Perché usare NumPy?¶

A prima vista, un array 1D di NumPy può sembrare identico a una lista Python. Tuttavia, dal punto di vista ingegneristico, sono mondi completamente diversi.

Il segreto delle performance:
Le liste Python sono flessibili ma pesanti. Poiché una lista può contenere tipi di dati misti, Python deve controllare il tipo di ogni singolo elemento prima di eseguire un'operazione.
In NumPy, essendo l'array omogeneo, i dati sono salvati nella RAM in blocchi fisicamente contigui. Le operazioni matematiche vengono eseguite direttamente al livello del processore da codice scritto in C o C++ super ottimizzato, bypassando completamente le lentezze dell'interprete Python.

Vettorizzazione (Vectorization)¶

Gli array NumPy sono progettati specificamente per l'algebra lineare. Facciamo un esempio pratico: vogliamo moltiplicare due vettori (array 1D) elemento per elemento.

Se usassimo le normali liste Python, dovremmo ricorrere a un ciclo for:

# Approccio standard Python (Lento)
a = [1, 2, 3]
b = [4, 5, 6]
c =[]

for i in range(len(a)):
    c.append(a[i] * b[i])

Se estendessimo il calcolo a un'immagine a colori (che è un array 3D: altezza, larghezza, canali RGB), avremmo bisogno di ben tre cicli for annidati! In Python, i cicli annidati su milioni di elementi richiedono secondi, se non minuti.

In NumPy, possiamo sfruttare la Vettorizzazione. Possiamo applicare l'operazione matematica direttamente all'intero oggetto array:

# Approccio NumPy (Vettorizzato e Veloce)
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

c = a * b  # Risultato: array([4, 10, 18])

Questa sintassi, oltre ad essere infinitamente più leggibile (sembra vera e propria matematica scritta su carta), è ordini di grandezza più veloce. Il ciclo for avviene ancora, ma avviene "sotto il cofano" nel backend in C di NumPy, non in Python.

Questa è la regola d'oro del calcolo scientifico in Python: evitare i cicli for ogni volta che è possibile ed esprimerli come operazioni su array NumPy.

Tipi di dato (dtype)¶

A differenza del normale Python (che ha solo int e float), NumPy fornisce un controllo granulare sulla memoria, mettendoci a disposizione tipi di dato derivati direttamente dal linguaggio C.

Questo è cruciale nel Data Science: elaborare un milione di numeri a 64-bit richiede il doppio della RAM rispetto a elaborarli a 32-bit.

I tipi a dimensione fissa (sized aliases) più utilizzati sono:

• np.int8, np.int16, np.int32, np.int64: Interi con segno a 8, 16, 32 o 64 bit.
• np.float32, np.float64: Numeri a virgola mobile (decimali). In ambito Machine/Deep Learning, il float32 è lo standard assoluto per risparmiare memoria sulle GPU.

Possiamo specificare il tipo di dato esplicitamente al momento della creazione dell'array usando il parametro dtype:

# Forziamo la creazione di un array di float a 32 bit
>>> arr = np.array([1, 2, 3], dtype=np.float32)
>>> arr.dtype
dtype('float32')

import numpy as np
import numpy.typing as npt

def normalizza(dati: npt.NDArray[np.float64]) -> npt.NDArray[np.float64]:
    # Logica della funzione
    pass