numpy学習ノート1

python numpy基本操作
numpy arrayはndarrayと呼ばれ、numpyのndarrayはpythonのarrayとは異なる.python array.arrayは1次元配列でnp.arrayは多次元配列であり,各次元を軸(axes)と呼ぶ.
1、np.Arrayコンストラクタ
(1)、npを利用する.array関数はnpを作成する.array
numpy.array(object, dtype=None, copy=True, order=’K’, subok=False, ndmin=0)

import numpy as np
a = np.array([2,3,4])
print(a)
print(type(a))
print(a.dtype)
print(a.shape)
print('a[0]is ',a[0])
#print('a[0][1]is',a[0][1])    is wrong

[2 3 4]

int32
(3,)
a[0]is  2

注意:npのようなシーケンスを括弧を省略する直接挿入することはできない.array(2,3,4)

#      
b = np.array([[1,2,3],[4,5,6]],dtype = np.int16)
print(b)
print('b shape is',b.shape)
print('b[0] is',b[0])
print('b[0]type is',type(b[0]))
print('b[0] dtype is',b[0].dtype)

[[1 2 3]
 [4 5 6]]
b shape is (2, 3)
b[0] is [1 2 3]
b[0]type is 
b[0] dtype is int16

ここには[[],[]が挿入されています.

# range  list
c= np.array( range(0,100) )
print(c)


[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74
75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99]

(2)、プレースホルダによる配列の構築
zeros関数は初期値が0の配列を構築します
「`python zero=np.zeros((3,4)＃＃はプレースホルダであり空間のみを表すため、zerosの中にはzero 2=np.zeros(3)＃np.zerosで構成されたものが配列であるため、この関数で一次元配列print(zero)print(zero 2)print(zero 2)を構築することができる

```
    [[ 0.  0.  0.  0.]
     [ 0.  0.  0.  0.]
     [ 0.  0.  0.  0.]]
    [ 0.  0.  0.]

ones関数は初期値が1の配列を構築する

one = np.ones( (2,4),dtype = int)
print(one)

    [[1 1 1 1]
     [1 1 1 1]]

Empty関数は初期値のランダムな配列を構築し、デフォルトタイプはfloat 64です.

empty = np.empty((2,5))
print(empty)

    [[  2.12199579e-314   0.00000000e+000   2.12199579e-314   1.42418987e-306
        1.50200295e-307]
     [  4.67296746e-307   1.69121096e-306   1.29062568e-306   1.42419938e-306
        7.56603881e-307]]

(3)、乱数関数randomにより所与の大きさの配列を生成する
ここにはnpがたくさんあります.randomライブラリの関数はnp.randomはnumpyのrandomライブラリなので、ほとんどの関数はndarrayフォーマットを操作しているので、詳しくは列挙しません.

rand = 10*np.random.random((2,4))
print(rand)
randint = np.floor(rand)
print(randint)
randi = np.random.randint(3,high = 6,size=10)                #    3，      6，size 10       
print(randi)
randi2 = np.random.randint(5,size=(2,4))                     #    high   ，            5.
print(randi2)

    [[ 9.69936167  4.35667075  6.81937385  8.76402435]
     [ 2.95693062  1.50591608  5.02003945  5.43058465]]
    [[ 9.  4.  6.  8.]
     [ 2.  1.  5.  5.]]
    [5 3 5 3 5 5 5 3 3 3]
    [[1 3 2 3]
     [3 1 0 4]]

(4)、arange関数を用いて等差配列を作成しarrayを直接生成する

arange1 = np.arange(6)         #     0-6   
print(arange1)
arange = np.arange(10,30,5)
print(arange)
print(arange.dtype)
print(arange.size)


[0 1 2 3 4 5]
[10 15 20 25]
int32
4

2、np.Array形状操作
(1)、numpy.reshape関数
numpy.reshape(a, newshape, order=’C’)
a:reshapeが必要な配列
Newshape:(2,3)、すなわち2行3列のような変換が必要です.(2,-1)の場合は出力2行を示し,列数は配列要素の個数と与えられた行数から算出される.
order:Cスタイル「`python reshape=np.arange(6).reshape((3,2))#reshapeの行列は、元の配列サイズと同じprint(reshape)reshape 2=np.reshape(2,3))print(reshape 2)reshape 3=np.reshape(reshape 2,(3,-1))print(reshape 3)

```
    [[0 1]
     [2 3]
     [4 5]]
    [[0 1 2]
     [3 4 5]]
    [[0 1]
     [2 3]
     [4 5]]

注:reshapeの後、reshapeの後、連続スライスの有無にかかわらず、元の配列とメモリを共有することに注意してください.

```
    a is v ? False
     v is  [  0   1 199   3   4   5   6   7   8   9  10  11]
    a is  [[  0   1 199]
     [  3   4   5]
     [  6   7   8]
     [  9  10  11]]
    v is  [  0   1 199   3   4   5   6   7   8   9  10  11]

s = v[1:5]                     #       ，s a    ，    ，      
s[2] = 9999
print('v is ',v)

    v is  [   0    1  199 9999    4    5    6    7    8    9   10   11]

(3)、深いコピー
copy関数は新しいオブジェクトを生成します

co = np.arange(12)
co1 = co.copy()
co1[2] = 999                  #    co1           co
co1.shape = (3,4)         #    co1            co
print('co is',co)
print('co1 is',co1)


co is [ 0 1 2 3 4 5 6 7 8 9 10 11]
co1 is [[ 0 1 999 3]
[ 4 5 6 7]
[ 8 9 10 11]]