Hier is een voorbeeld van een efficiënte NumPy-functie die jouw dataset filtert op alle waarden groter dan 10. Aangezien je dataset een array van vorm (1000, 10) heeft, kunnen we gebruik maken van NumPy's boolean indexing, wat zeer snel en geheugen-efficiënt is. ```python import numpy as np def filter_dataset(data): # Maak een boolean mask waar alle waarden > 10 mask = data > 10 # Pas de mask toe op de data filtered_data = data[mask] return filtered_data ``` **Uitleg:** - `data > 10` geeft een boolean array van dezelfde vorm als `data`, waar `True` staat op plaatsen waar de waarde groter is dan 10. - `data[mask]` selecteert alle elementen die voldoen aan de voorwaarde. Dit resulteert in een 1D array met alle waarden > 10. - Deze aanpak is zeer efficiënt en schaalbaar voor grote datasets. **Gebruik:** ```python dataset = np.random.randn(1000, 10) * 20 # voorbeeld dataset filtered = filter_dataset(dataset) print(filtered) ``` Wil je de gefilterde data weer in een 2D-structuur? Dan moet je een andere aanpak gebruiken omdat de gefilterde array niet gegarandeerd een rechthoekige structuur heeft.

Hier is een efficiënte NumPy-functie voor uw dataset: ```python import numpy as np def filter_dataset(data): """ Filtert een dataset en behoudt alleen rijen waar ALLE waarden > 10 zijn Args: data: NumPy array met vorm (n_samples, n_features) Returns: Gefilterde array met rijen waar alle waarden > 10 zijn """ if not isinstance(data, np.ndarray): raise ValueError("Input moet een NumPy array zijn") # Efficiënte filtering: behoud rijen waar ALLE elementen > 10 mask = np.all(data > 10, axis=1) filtered_data = data[mask] return filtered_data # Voorbeeld gebruik: # dataset = np.random.randn(1000, 10) * 5 + 15 # Voorbeeld data # resultaat = filter_dataset(dataset) ``` **Belangrijke kenmerken:** 1. **Vectorized operatie**: `data > 10` werkt op de hele array zonder loops 2. **Efficiënt geheugengebruik**: `np.all(axis=1)` creëert een boolean mask 3. **Geen kopieën**: Het mask selecteert alleen de relevante rijen 4. **Schaalbaar**: Werkt optimaal met uw (1000, 10) vorm en grotere arrays **Alternatieve versies voor verschillende behoeften:** ```python # Als u rijen wilt waar MINSTENS ÉÉN waarde > 10 is: def filter_any_greater_than_10(data): mask = np.any(data > 10, axis=1) return data[mask] # Als u specifieke kolommen wilt filteren: def filter_columns_greater_than_10(data, columns=[0, 1, 2]): mask = np.all(data[:, columns] > 10, axis=1) return data[mask] ``` De functie is geoptimaliseerd voor prestaties en kan moeiteloos omgaan met arrays van miljoen(en) rijen.