pythonデータ分析実戦---Numpy科学計算ツール

7497 ワード

Numpyの基本認識
NumPy(Numerical Python)はPython言語の拡張ライブラリであり、大量の次元配列とマトリクス演算をサポートし、また配列演算に対して大量の数学関数ライブラリを提供する.
NumPyは非常に高速な数学ライブラリであり、主に配列計算に使用され、以下を含む.

強力なN次元配列オブジェクトndarray

放送機能関数

C/C++/Fortranコードを統合するツール

線形代数、フーリエ変換、乱数生成等の機能

Numpyベースデータ構造
NumPy配列の次元数をランク(rank)と呼び,1次元配列のランクを1,2次元配列のランクを2とする.
NumPyでは、各線形配列は軸(axis)、すなわち次元(dimensions)と呼ばれます.たとえば、2次元配列は2つの1次元配列に相当し、最初の1次元配列の各要素は1次元配列であるため、1次元配列はNumPyの軸です.(axis)、最初の軸は最下位の配列に相当し、2番目の軸は最下位の配列の配列である.軸の数であるランクは、配列の次元数である.
axisを宣言できることが多い.axis=0は、0番目の軸に沿って操作する、すなわち、各列を操作することを示す.axis=1は、第1軸に沿って動作する、すなわち、各行に対して動作することを示す.
NumPyの配列で重要なndarrayオブジェクトの属性は次のとおりです.
ツールバーの
説明
ndarray.ndim
ランク、すなわち軸の数または次元の数
ndarray.shape
配列の次元、マトリクス、n行m列
ndarray.size
配列要素の総個数は、.shapeのn*mの値
ndarray.dtype
ndarrayオブジェクトの要素タイプ
ndarray.itemsize
ndarrayオブジェクトの各要素のサイズ(バイト単位)
ndarray.flags
ndarrayオブジェクトのメモリ情報
ndarray.real
ndarray要素の実部
ndarray.imag
ndarray要素の虚部
ndarray.data
実際の配列要素を含むバッファは、一般的に配列のインデックスによって要素が取得されるため、この属性を使用する必要はありません.

import numpy


ar = numpy.array([[1,2,3,4,5],[2,3,4,5,6],[3,4,5,6,7]])
print(ar)

print(ar.ndim)
print(ar.shape)
print(ar.size)
print(ar.itemsize)
print(ar.data)
print(ar.dtype)
print(ar.flags)
print(ar.real)
print(ar.imag)

  ：
[[1 2 3 4 5]
 [2 3 4 5 6]
 [3 4 5 6 7]]
2
(3, 5)
15
4

int32
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

[[1 2 3 4 5]
 [2 3 4 5 6]
 [3 4 5 6 7]]
[[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]]

配列の作成
Array()関数括弧内はlist,メタグループ,配列,ジェネレータなどであってもよい

ar = np.array([[1,2,3,4,5],[2,3,4,5,6],[3,4,5,6,7]])
ar1 = np.array(range(10))
ar2 = np.array(10)
ar3 = np.array([[1,2,3,4,5],[2,3,4,5,6],['a','b','c','d']])
print(ar)
print(ar1)
print(ar2)
print(ar3)

    ：
[[1 2 3 4 5]
 [2 3 4 5 6]
 [3 4 5 6 7]]
[0 1 2 3 4 5 6 7 8 9]
10
[list([1, 2, 3, 4, 5]) list([2, 3, 4, 5, 6]) list(['a', 'b', 'c', 'd'])]

arange()関数はrange()と同様に、所与の間隔内で均一な間隔の値を返します.

print(np.arange(10))
print(np.arange(10.0))
print(np.arange(5,12))
print(np.arange(5.0,12.3))


    ：
[0 1 2 3 4 5 6 7 8 9]
[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
[ 5  6  7  8  9 10 11]
[ 5.  6.  7.  8.  9. 10. 11. 12.]

print(numpy.linspace(5,14,num=10)) #     【  ，  】    num        
print(numpy.linspace(5,14,num=11))

print(numpy.zeros((4,4),dtype=numpy.int))  #         ，      0    

ar = numpy.array([range(10),range(10,20)])
print(numpy.zeros_like(ar))
print(ar)

print(numpy.ones((2,3),dtype=numpy.int))    #         ，      1    

#ones_like() zeros_like()  

print(numpy.eye(3,dtype=numpy.int)) #       N+N     ，     1，     0


    ：
[ 5.  6.  7.  8.  9. 10. 11. 12. 13. 14.]
[ 5.   5.9  6.8  7.7  8.6  9.5 10.4 11.3 12.2 13.1 14. ]
[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]
[[0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0]]
[[ 0  1  2  3  4  5  6  7  8  9]
 [10 11 12 13 14 15 16 17 18 19]]
[[1 1 1]
 [1 1 1]]
[[1 0 0]
 [0 1 0]
 [0 0 1]]

Numpy汎用関数
反転配列numpy.T
配列形状numpyを変更する.reshape
指定形態の新しい配列numpyを返す.resize

import numpy as np

ar = np.arange(10)
ar1 = np.zeros((2,4))
print(ar)
print(ar1)
print(ar.T)
print(ar1.T)

ar2 = np.arange(12)
ar3 = np.arange(12).reshape(3,4)
print(ar2)
print(ar3)

print(np.resize(ar3,(4,4)))

    ：
[0 1 2 3 4 5 6 7 8 9]
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]]
[0 1 2 3 4 5 6 7 8 9]
[[0. 0.]
 [0. 0.]
 [0. 0.]
 [0. 0.]]
[ 0  1  2  3  4  5  6  7  8  9 10 11]
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [ 0  1  2  3]]

配列のコピーcopy()

ar = np.arange(10)
print(ar)
ar1 = ar
ar1[2]=100
print(ar,ar1)

ar3 = ar.copy()
ar3[3]=998
print(ar,ar3)

    ：
[0 1 2 3 4 5 6 7 8 9]
[  0   1 100   3   4   5   6   7   8   9] [  0   1 100   3   4   5   6   7   8   9]
[  0   1 100   3   4   5   6   7   8   9] [  0   1 100 998   4   5   6   7   8   9]

配列の文字変換

ar2 = numpy.array(range(16)).reshape(4,4)
ar3 = ar2.astype(numpy.str)
print(ar3)

    ：
[['0' '1' '2' '3']
 ['4' '5' '6' '7']
 ['8' '9' '10' '11']
 ['12' '13' '14' '15']]

接続配列

ar = np.array([[1,2,3],[4,5,6]])
ar1 = np.array([[7,8,9],[10,11,12]])

ar2 = np.stack((ar,ar1),0) #         
ar3 = np.hstack((ar,ar1))#     
ar4 = np.vstack((ar,ar1))#    
print(ar2,ar3,ar4)

    ：
[[[ 1  2  3]
  [ 4  5  6]]

 [[ 7  8  9]
  [10 11 12]]]
 [[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]
 [[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]

分割配列

ar = np.arange(16).reshape(4,4)
ar1 = np.vsplit(ar,2)  #    
ar2 = np.hsplit(ar,2)  #    
print(ar)
print(ar1)
print(ar2)

    ：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]
[array([[0, 1, 2, 3],
       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],
       [12, 13, 14, 15]])]
[array([[ 0,  1],
       [ 4,  5],
       [ 8,  9],
       [12, 13]]), array([[ 2,  3],
       [ 6,  7],
       [10, 11],
       [14, 15]])]

配列の計算

ar2 = numpy.array(range(16)).reshape(4,4)
ar3 = ar2.astype(numpy.str)
print(ar3)
ar4 = ar2*10+100
print(ar4)
print(ar4.mean()) #    
print(ar4.sum()) #   

    ：
[['0' '1' '2' '3']
 ['4' '5' '6' '7']
 ['8' '9' '10' '11']
 ['12' '13' '14' '15']]
[[100 110 120 130]
 [140 150 160 170]
 [180 190 200 210]
 [220 230 240 250]]
175.0
2800

Numpyインデックスとスライス
基本インデックスおよびスライス

import  numpy as np

#          list
ar  = np.arange(20)
# print(ar[2])
# print(ar[3:5])
# print(ar[::2])


#                   
ar1 = ar.reshape(4,5)
# print(ar1)
print(ar1[2][2])
print(ar1[2:4][0][2])
print(ar1[:2])

    ：
12
12
[[0 1 2 3 4]
 [5 6 7 8 9]]

ブール型のインデックスとスライス

ar = np.arange(12).reshape(3,4)
print(ar)

i = np.array([True,False,True])
j = np.array([True,False,True,False])
print(i)
print(j)
print(ar[i,:])  #     ，   True  
print(ar[:,j]) #        ，   True  

print(ar[ar>5])  #        

    ：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[ True False  True]
[ True False  True False]
[[ 0  1  2  3]
 [ 8  9 10 11]]
[[ 0  2]
 [ 4  6]
 [ 8 10]]
[ 6  7  8  9 10 11]

Numpy乱数

print(np.random.normal(size=(4,4)))  #     

print(np.random.rand(4))   #    【0-1】           N     ---    
print(np.random.rand(2,4))
print(np.random.randn(4))  #    【0-1】           N    ---    
print(np.random.randn(2,4))
print(np.random.randint(5))  #        N     
print(np.random.randint(10,50,size=(4,4)))

Nmupyデータ入出力

ar = numpy.random.randint(0,100,size=(10,10))
numpy.savetxt("savetxt.txt",ar,delimiter=",",fmt="%i")   #     

txt_load = numpy.loadtxt("savetxt.txt",delimiter=',')    #     
print(txt_load)
# print(ar)