Pythonのnumpyモジュール学習

Pythonのnumpyモジュール学習
Windowsシステム環境に基づいてnumpyモジュールを学習し、テストします.

Windows 10

PyCharm 2018.3.5 for Windows (exe)

python 3.6.8 Windows x86 executable installer

1.numpy初期化配列と行列

numpy空の配列

を初期化

import numpy as np
a = np.array([])
print(a.size) # size = 0

b = np.array([], dtype=int)

numpyリストを用いて配列

を初期化する

import numpy as np
a = np.array([1,2,3]) #      3×1   
print(np.shape(a)) # np.shape(a)=(3,)
print(a.size) # size =3

numpyリストを用いてマトリクス

を初期化する

import numpy as np
a = np.array([[1,2,3],[2,3,4]]) #      2×3   
print(np.shape(a)) # np.shape(a)=(2,3)
print(a.size) # size =6

numpy生成要素値がすべて0の1次元配列

import numpy as np
a = np.zeros(6) #      6 ，    0    
print(np.shape(a)) # np.shape(a)=(6,)
print(a.size) # size =6

numpy生成要素値がすべて1の一次元配列

import numpy as np
a = np.ones(6) #      6 ，    1    
print(np.shape(a)) # np.shape(a)=(6,)
print(a.size) # size =6

numpy接合

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
a = np.append(a, b) # a = [1, 2, 3, 4, 5, 6]

2.numpyの出力

numpy出力ある行

import numpy as np
data=np.arange(9).reshape(3,3)
print(data[0]) #      

numpy出力ある列

import numpy as np
data=np.arange(9).reshape(3,3)
print(data[:, 0]) #      

3.numpyはarrayの要素のindexを返します.

numpyはargwhere()関数を用いて

を実現する.

import numpy as np
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 1]])
target = 1
target_index = np.argwhere(data == target)
print(target_index)  #         
print(np.shape(target_index))  # np.shape(target_index)=(2,2)

numpyはwhere()関数を用いて

を実現する.

# data         array，    Series
import numpy as np
data = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
index1 = np.where(data > 3)
print(index1[0])  # [3 4 5 6 7 8]
index2 = np.where((data > 3) & (data < 7))
print(index2[0])  # [3 4 5]
index3 = np.where((data > 3) & (data < 7), 1, 0)
print(index3)  # [0 0 0 1 1 1 0 0 0]

4.numpyマトリクススタックを実現

numpyはnpを利用する.hstack((a,b))水平スタック

を実現

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[10,11,12],[14,15,16],[17,18,19]])

#      ，               (    )
c = np.hstack((a,b))
print(c)
#     
# [[ 1  2  3 10 11 12]
#  [ 4  5  6 14 15 16]
#  [ 7  8  9 17 18 19]]

numpyはnpを利用する.vstack((a,b))垂直スタック

を実現

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[10,11,12],[14,15,16],[17,18,19]])

#      ，               (    )
c = np.vstack((a,b))
print(c)
#     
# [[ 1  2  3]
#  [ 4  5  6]
#  [ 7  8  9]
#  [10 11 12]
#  [14 15 16]
#  [17 18 19]]

5.numpyベクトルの各要素の出現回数をCounterで統計する

from collections import Counter
import numpy
l = np.array([1, 1, 2, 3, 3, 3])
count = Counter(l)   #  ： 
count_dict = dict(count)   #  ： 
print(count_dict)

6.numpyによる行列の演算

要素乗算

import numpy as np

l = np.array([[1,2], [3,4]])
print(np.multiply(a,b))
# 1  4
# 9 16

マトリックス乗算

# np.dot(a,b)   np.matmul(a,b)   a.dot(b)
import numpy as np

l = np.array([[1,2], [3,4]])
print(l)
print(np.dot(a, a))
# 7  10
# 15 22

求逆行列

import numpy as np
from numpy.linalg import *

l = np.array([[1,2], [3,4]])
print(l)
print(inv(l))

回転行列

を求める

import numpy as np
from numpy.linalg import *

l = np.array([[1,2], [3,4]])
print(l)
print(l.transpose())

行列を求める行列式

import numpy as np
from numpy.linalg import *

l = np.array([[1,2], [3,4]])
print(l)
print(det(l))

行列の特徴値と特徴ベクトル

を求める

import numpy as np
from numpy.linalg import *

l = np.array([[1,2], [3,4]])
print(l)
print(eig(l))

線形方程式のグループ

を求めます

import numpy as np
from numpy.linalg import *

l = np.array([[1,2], [3,4]])
y = np.array([[6],[8]])
print(l)
print(solve(l,y))
# 1X+2Y=6
# 3X+4Y=8