# فصل ۰۲ — کارِ برداری: حلقه ننویس

<div dir="rtl">

# فصل ۰۲ — کارِ برداری: حلقه ننویس

## در این فصل چه یاد می‌گیری

فصلِ قبل دیدی که `np_array * 2` بدونِ هیچ حلقه‌ای کلِ آرایه را دو برابر کرد. این یک ترفندِ سرعتی نیست؛ یک **روشِ فکرکردن** است. در این فصل یاد می‌گیری به‌جای «برای هر عنصر، این کار را بکن» بنویسی «این کار را روی همه بکن» — و مهم‌تر از آن، با **ماسکِ شرطی** فقط عنصرهایی را جدا کنی که شرطی را دارند. این تنها مهارتی است که در کلِ ترمِ ۲ و ۳ بیشترین بار را می‌کشد؛ اگر یک فصل را باید دو بار بخوانی، این است.

![یک مهرِ بزرگ که هم‌زمان روی همهٔ خانه‌های یک شبکه فشار می‌آورد، در کنارِ یک قالبِ سوراخ‌دار که فقط بعضی خانه‌ها را عبور می‌دهد](/lesson-assets/t2-s02-vectorized/prompt/01-image-stamp-and-mask.png)

آخر این فصل می‌توانی:

- روی کلِ یک آرایه عملیات ریاضی و مقایسه‌ای انجام بدهی
- قاعدهٔ `broadcasting` را بگویی و پیش‌بینی کنی کِی کار می‌کند
- با ماسکِ شرطی زیرمجموعه‌ای از داده را جدا و بشماری
- با `np.where` بر اساسِ شرط مقدارِ تازه بسازی
- با `axis` روی ردیف یا ستونِ یک جدول تجمیع کنی

## قبل از شروع

**از فصل ۱:** `np.array`، `shape`، `dtype`، و برشِ دوبعدی با `arr[:, 0]`.

**از ترمِ ۱ فصل ۵:** عملگرهای مقایسه‌ای و `and`/`or` — که اینجا شکلِ تازه‌ای پیدا می‌کنند.

> 📓 **نوت‌بوک:** [نوت‌بوک این فصل را در Colab باز کن](/notebooks/sarnakh/term-2-data/session-02-vectorized.ipynb) — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

## ۱. عملیات روی کلِ آرایه

</div>

```python
import numpy as np

prices = np.array([850000, 1200000, 430000, 2100000, 650000])

print(prices * 2)
print(prices + 50000)
print(prices / 1000)
print(prices - prices.mean())
```

<div dir="rtl">

</div>

```text
[1700000 2400000  860000 4200000 1300000]
[ 900000 1250000  480000 2150000  700000]
[ 850. 1200.  430. 2100.  650.]
[-196000.  154000. -616000. 1054000. -396000.]
```

<div dir="rtl">

هر عملیات **عنصربه‌عنصر** روی همهٔ آرایه اجرا شد. این را `vectorization` می‌گویند: به‌جای گفتنِ «چطور»، فقط می‌گویی «چه».

خطِ آخر جالب‌ترین است: `prices - prices.mean()` فاصلهٔ هر قیمت از میانگین را داد. عددِ منفی یعنی ارزان‌تر از میانگین، مثبت یعنی گران‌تر. همین یک خط، هستهٔ کاری است که در فصلِ ۷ ترمِ ۳ با نامِ **نرمال‌سازی** می‌بینی.

> 🌱 **ریشه‌اش کجاست:** «فاصله از میانگین» شهودِ پشتِ **انحرافِ معیار** است — عددی که می‌گوید داده‌ها به‌طورِ متوسط چقدر از مرکز دورند. اگر می‌خواهی بدانی چرا این عدد این‌طور تعریف شده و چرا مربع می‌شود، [ریشه، ترم ۶ فصل ۶ — میانگین، میانه، پراکندگی](/courses/risheh/lessons/term-6-probability-statistics/session-06-center-spread) دقیقاً همین را می‌سازد.

## ۲. `broadcasting`: وقتی شکل‌ها یکی نیستند

در بخشِ قبل `prices + 50000` کار کرد، هرچند `prices` پنج عنصر داشت و `50000` یک عدد بود. `numpy` عددِ تکی را روی همهٔ عنصرها **پخش** کرد. این قاعده اسم دارد: `broadcasting`.

</div>

```python
table = np.array([
    [10, 20, 30],
    [40, 50, 60],
])
column_factor = np.array([1, 2, 3])

print(table * 2)
print(table * column_factor)
print(table.shape, column_factor.shape)
```

<div dir="rtl">

</div>

```text
[[ 20  40  60]
 [ 80 100 120]]
[[ 10  40  90]
 [ 40 100 180]]
(2, 3) (3,)
```

<div dir="rtl">

آرایهٔ `(2, 3)` با آرایهٔ `(3,)` ضرب شد، چون **آخرین بُعدشان می‌خواند**: هر دو سه ستون دارند، پس `column_factor` روی هر ردیف تکرار شد.

قاعده در یک جمله: **دو آرایه با هم سازگارند اگر برای هر بُعد، اندازه‌شان یا برابر باشد یا یکی‌شان ۱ باشد** — و ابعاد از **راست** به هم تطبیق داده می‌شوند.

برای همین در فصلِ قبل `(3,)` و `(4,)` خطا داد: نه برابرند و نه هیچ‌کدام ۱ است.

**قبل از ادامه، جواب بده:** آرایه‌ای `(100, 3)` داری و می‌خواهی هر **ردیف** را در عددِ متفاوتی ضرب کنی. آرایهٔ ضریب‌ها با `shape` برابرِ `(100,)` کار می‌کند؟ جواب: نه. تطبیق از راست است، پس `(100,)` با آخرین بُعد یعنی `3` مقایسه می‌شود و نمی‌خواند. باید شکلش را به `(100, 1)` تبدیل کنی — با `reshape(-1, 1)`. متدِ `reshape` شکلِ تازه را می‌گیرد و همان عنصرها را در آن قالب می‌ریزد، و آن `-1` یعنی «این بُعد را **خودت** حساب کن»: می‌گویی یک ستون می‌خواهم، `numpy` خودش می‌فهمد که پس ۱۰۰ ردیف لازم است. این دقیقاً همان جایی است که در بلوکِ 🔧 فصلِ قبل هشدار دادیم.

## ۳. ماسکِ شرطی: مهم‌ترین بخشِ این فصل

عملگرهای مقایسه هم برداری‌اند و نتیجه‌شان آرایه‌ای از `True` و `False` است:

</div>

```python
print(prices > 800000)
print((prices > 800000).sum())
print((prices > 800000).mean())
```

<div dir="rtl">

</div>

```text
[ True  True False  True False]
3
0.6
```

<div dir="rtl">

به آن آرایهٔ `True`/`False` می‌گویند **ماسک** (`mask`). دو ترفندِ بسیار پرکاربرد رویش:

- **`.sum()` روی ماسک تعدادِ `True`ها را می‌دهد**، چون `True` مثلِ ۱ و `False` مثلِ ۰ جمع می‌شود.
- **`.mean()` روی ماسک نسبتشان را می‌دهد** — اینجا ۰٫۶ یعنی شصت درصدِ قیمت‌ها بالای ۸۰۰ هزارند.

این دو خط، پرکاربردترین ابزارِ «داده را ببین» در کلِ دوره‌اند.

و حالا کارِ اصلی: ماسک را داخلِ کروشه بگذار تا فقط همان عنصرها را بگیری.

</div>

```python
expensive = prices[prices > 800000]

print(expensive)
print(f"تعداد: {len(expensive)}")
print(f"میانگینِ گران‌ها: {expensive.mean()}")
```

<div dir="rtl">

</div>

```text
[ 850000 1200000 2100000]
تعداد: 3
میانگینِ گران‌ها: 1383333.3333333333
```

<div dir="rtl">

`prices[prices > 800000]` را بلند بخوان: «از `prices`، آن‌هایی که بزرگ‌تر از هشتصدهزارند». همین. هیچ حلقه‌ای، هیچ `append`ی.

> ✅ **چک کن:** سه عدد باید برگردند و هر سه واقعاً بالای ۸۰۰٬۰۰۰ باشند. اگر پنج مقدارِ `True`/`False` گرفتی، خودِ ماسک را چاپ کرده‌ای و `prices[...]` دورش جا افتاده است.

ترکیبِ چند شرط هم می‌شود، ولی **با نمادِ دیگری**:

</div>

```python
mid_range = prices[(prices > 500000) & (prices < 1500000)]
print(mid_range)

not_cheap = prices[~(prices < 500000)]
print(not_cheap)
```

<div dir="rtl">

</div>

```text
[ 850000 1200000  650000]
[ 850000 1200000 2100000  650000]
```

<div dir="rtl">

> ⚠️ **مواظب باش:** اینجا `&` و `|` و `~` به‌کار می‌روند، نه `and` و `or` و `not`. دلیلش این است که `and` می‌خواهد کلِ آرایه را یک `True` یا `False` واحد ببیند و نمی‌تواند، پس خطا می‌دهد: `ValueError: The truth value of an array with more than one element is ambiguous`. و **پرانتزها اجباری‌اند** — چون `&` تقدمِ بالاتری از `>` دارد و بدونِ پرانتز، پایتون اول اشتباهی عددها را با هم `&` می‌کند.

## ۴. `np.where`: بر اساسِ شرط، مقدار بساز

ماسک عنصرها را جدا می‌کند. گاهی نمی‌خواهی جدا کنی — می‌خواهی **برچسب بزنی**:

</div>

```python
labels = np.where(prices > 800000, "گران", "ارزان")
capped = np.where(prices > 1000000, 1000000, prices)

print(labels)
print(capped)
```

<div dir="rtl">

</div>

```text
['گران' 'گران' 'ارزان' 'گران' 'ارزان']
[ 850000 1000000  430000 1000000  650000]
```

<div dir="rtl">

`np.where(شرط، اگر درست، اگر نادرست)` را می‌شود «`if`ِ برداری» خواند. مثالِ دوم یک کارِ خیلی رایج است: **سقف گذاشتن** روی مقدارهای خیلی بزرگ.

## ۵. `axis`: تجمیع روی ردیف یا ستون

روی جدول، تجمیع یک سؤالِ اضافه دارد: در چه جهتی؟

</div>

```python
sales = np.array([
    [12, 15, 9],
    [7, 22, 14],
    [30, 4, 11],
    [18, 19, 25],
])

print("مجموع کل:", sales.sum())
print("مجموع هر ستون:", sales.sum(axis=0))
print("مجموع هر ردیف:", sales.sum(axis=1))
print("میانگین هر ستون:", sales.mean(axis=0))
print("بیشینهٔ هر ردیف:", sales.max(axis=1))
```

<div dir="rtl">

</div>

```text
مجموع کل: 186
مجموع هر ستون: [67 60 59]
مجموع هر ردیف: [36 43 45 62]
میانگین هر ستون: [16.75 15.   14.75]
بیشینهٔ هر ردیف: [15 22 30 25]
```

<div dir="rtl">

قاعدهٔ `axis` را همه یک بار اشتباه می‌فهمند، پس این‌طور به‌خاطر بسپار: **`axis` بُعدی است که از بین می‌رود.**

`sales` شکلش `(4, 3)` است. `sum(axis=0)` بُعدِ صفر (ردیف‌ها) را جمع می‌کند و از بین می‌برد، پس نتیجه `(3,)` می‌شود — یک عدد برای هر **ستون**. و `axis=1` ستون‌ها را از بین می‌برد و یک عدد برای هر **ردیف** می‌دهد.

اگر شک کردی، `shape` نتیجه را چاپ کن؛ همیشه جوابِ قطعی می‌دهد.

> 📏 **اندازه بگیر:** «میانگینِ هر ستون» را نگاه کن: `[16.75, 15.0, 14.75]`. سه عدد خیلی نزدیک به هم. حالا به `sum(axis=1)` نگاه کن: `[36, 43, 45, 62]` — ردیفِ آخر تقریباً دو برابرِ ردیفِ اول است. **یک تجمیع می‌تواند تفاوتِ واقعی را کاملاً پنهان کند.** قبل از اینکه از روی میانگین نتیجه بگیری، همیشه بپرس: میانگینِ چه چیزی، در کدام جهت، و آیا پراکندگی‌اش را هم دیده‌ام؟ فصلِ ۸ همین ترم دقیقاً به این می‌پردازد.

## ۶. یک خطای واقعی: `and` روی آرایه

</div>

```python-broken
print(prices[(prices > 500000) and (prices < 1500000)])
```

<div dir="rtl">

</div>

```text
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
```

<div dir="rtl">

پیام دقیقاً همان چیزی را می‌گوید که در بلوکِ ⚠️ بخشِ ۳ خواندی: پایتون می‌خواهد `and` را روی یک `True`/`False` واحد اجرا کند، ولی طرفینش آرایه‌اند و «درست بودنِ» یک آرایهٔ پنج‌عنصری معنا ندارد.

> 🔧 **اگر کار نکرد:** هر وقت این پیام را دیدی، دنبالِ `and`، `or` یا `not` بگرد که روی آرایه یا ستون به‌کار رفته باشد و به `&`، `|`، `~` تبدیلش کن — و پرانتزها را فراموش نکن. این پیام را در فصلِ ۴ روی `pandas` هم می‌بینی، با همان علت و همان راهِ حل.

> 🤖 **از دستیارت بپرس:** «قاعدهٔ broadcasting در numpy را با سه مثال توضیح بده که یکی‌شان **کار نکند**، و بگو چرا.» جوابش را با قاعدهٔ بخشِ ۲ بسنج، و هر سه مثال را خودت اجرا کن. مثالِ خراب مهم‌ترینشان است: اگر دستیار مثالی داد که برخلافِ ادعایش کار کرد، همان‌جا یاد می‌گیری که خروجی را باید امتحان کرد.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| vectorization | وکتورایزیشِن | اجرای یک عملیات روی کلِ آرایه، بدونِ حلقه |
| broadcasting | برادکستینگ | قاعدهٔ تطبیقِ شکل‌ها هنگامِ عملیات بینِ دو آرایه |
| mask | ماسک | آرایه‌ای از True/False که برای فیلترکردن به‌کار می‌رود |
| axis | اَکسیس | جهتِ تجمیع؛ همان بُعدی که از بین می‌رود |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدونِ نگاه به بالا جواب بده: `(prices > 800000).mean()` چه چیزی را می‌گوید و چرا `mean` روی True/False معنا دارد؟

**تمرینِ اجباری:** با آرایهٔ `sales` این‌ها را حساب کن و چاپ کن: چند خانه از کلِ جدول بزرگ‌تر از ۱۵ است، چند درصدِ خانه‌ها، و میانگینِ **فقط** همان خانه‌ها. هر سه را با ماسک بنویس، بدونِ هیچ حلقه‌ای.

**تمرینِ ستاره‌دار ⭐:** یک آرایهٔ دوبعدیِ `(4, 3)` از قیمت بساز و یک آرایهٔ `(4,)` از تخفیفِ هر ردیف. سعی کن قیمت‌ها را در تخفیف ضرب کنی — اول همان‌طور که هست (خطا می‌گیری، متنش را یادداشت کن)، بعد با `reshape(-1, 1)` درستش کن. حالا `shape` هر مرحله را چاپ کن و در یک جمله بنویس چرا `(4, 1)` کار می‌کند ولی `(4,)` نه.

## در فصل بعد

آرایه برای عددِ خالص عالی است، ولی دادهٔ واقعی فقط عدد نیست: ستونِ نام دارد، ستونِ شهر دارد، خانهٔ خالی دارد، و مهم‌تر از همه **ستون‌هایش اسم دارند**، نه شماره. فصلِ بعد `pandas` را می‌آورد و `DataFrame` را — جدولی که هر ستونش نام و نوعِ خودش را دارد. و از همان فصل، دیگر با دادهٔ ساختگیِ چهارخطی کار نمی‌کنی: یک فایلِ واقعی با ۲۴۴ ردیف و همهٔ کثیفی‌های دنیای واقعی.

</div>

---
Source: https://yaadestan.com/courses/sarnakh/lessons/t2/s02-vectorized (یادستان, Yaadestan)
