{ "cells": [ { "cell_type": "code", "execution_count": 1, "id": "a2f486bd-5b87-4e0f-9327-2ba680c00ebb", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Сумма элементов массива: 15\n", "Среднее значение: 3.0\n", "Медиана: 3.0\n", "Стандартное отклонение: 1.4142135623730951\n" ] } ], "source": [ "import numpy as np\n", "\n", "arr = np.array([1, 2, 3, 4, 5])\n", "print(\"Сумма элементов массива:\", np.sum(arr))\n", "print(\"Среднее значение:\", np.mean(arr))\n", "print(\"Медиана:\", np.median(arr))\n", "print(\"Стандартное отклонение:\", np.std(arr))\n" ] }, { "cell_type": "code", "execution_count": 2, "id": "896a8a44-ea62-4a5c-97ba-d1d4edc1d694", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Двумерный массив (матрица):\n", "[[1 2]\n", " [3 4]]\n" ] } ], "source": [ "matrix = np.array([[1, 2], [3, 4]])\n", "print(\"Двумерный массив (матрица):\")\n", "print(matrix)\n" ] }, { "cell_type": "code", "execution_count": 3, "id": "ce9bcbd6-a927-4e29-9206-32172f24299f", "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Массив через linspace: [ 0. 1.11111111 2.22222222 3.33333333 4.44444444 5.55555556\n", " 6.66666667 7.77777778 8.88888889 10. ]\n", "\n", "Случайные числа:\n", " [[-0.46721747 0.42148654]\n", " [ 1.34381602 0.67923817]]\n", "\n", "Результат умножения векторов (dot): 11\n" ] } ], "source": [ "# 1. Создаем 10 чисел от 0 до 10 с равным шагом\n", "line = np.linspace(0, 10, 10)\n", "print(\"Массив через linspace:\", line)\n", "\n", "# 2. Генерируем случайные числа (матрица 2x2)\n", "rand_arr = np.random.randn(2, 2)\n", "print(\"\\nСлучайные числа:\\n\", rand_arr)\n", "\n", "# 3. Скалярное произведение векторов (np.dot)\n", "v1 = np.array([1, 2])\n", "v2 = np.array([3, 4])\n", "result = np.dot(v1, v2) # 1*3 + 2*4 = 11\n", "print(\"\\nРезультат умножения векторов (dot):\", result)\n" ] }, { "cell_type": "code", "execution_count": null, "id": "1759f664-5a9e-46fc-9e16-1c7f935f465e", "metadata": {}, "outputs": [], "source": [] } ], "metadata": { "kernelspec": { "display_name": "Python 3 (ipykernel)", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.13.5" } }, "nbformat": 4, "nbformat_minor": 5 }