Pythonデータ解析:numpy常用関数

numpyはpythonの科学計算に関連するライブラリであり、本稿では、numpyを使用する前に導入する必要がある一般的なnumpy関数について説明します.import numpy as npを入力し、numpyをnpに簡略化します.
1.np.arange(n):0〜n−1個の整数を生成する.
2.a.reshape(m,n):aをm行n列の行列として再定義する.
3.a.shape:aの行と列を印刷する.
4.a.ndim:aの次元を求める.
5.a.size:出力aの要素の数.
6.np.zeros((m,n)):m行n列のゼロ行列を生成し、関数に1つのメタグループが入力されることに注意しなければならない.このとき生成されるマトリクス0の後ろに小数点があります.システムのデフォルトデータ型は浮動小数点型であるため、整数型を得るには、データ型を予め指定する必要があります.
7.np.ones((k,m,n),dtype=np.int32):k個のm行n列の単位行列を生成し、行列中のデータ型は整数型である.
8.np.arange(m,n,k):kをステップスライスとするm〜nのデータを生成する.
9.np.linspace(m,n,k):mからnまでのデータにおいて等間隔でk個の値をとる.
10.A、Bが同次元行列である場合、A*BはAとB行列の対応する位置を乗算した結果を返し、A.dot(B)またはnp.dot(A,B)は行列乗算した結果を返す.
11.np.exp(A)又はnp.sqrt(B):eのB乗及び行列Bの各数開方について得られた結果.
12.np.floor():下向きに整頓する.
13.a.ravel():マトリクスaをベクトルに再延伸し、延伸後にreshapeを新しいマトリクスに再延伸することができる.
14.a.T:aの回転行列を求める.
15.a.reshape(n,-1)またはa.reshape(-1,n):1つの行列の行(列)を決定した後、対応する列(行)も直接決定されるので、−1を入力すればよい.
16.np.hstack((a,b)):行列aとbを横方向に接合する.
17.np.vstack((a,b)):行列aとbを縦方向に接合する.
18.np.hsplit(a,n):行列aをn部に横方向に切断する.
19.np.hsplit(a,(m,n)):aのインデックスがmとnの空隙で横に切断される.
20.np.vsplit(a,n):行列aをn部に縦に切る.
21.np.hsplit(a,(m,n)):aのインデックスがmおよびnの空隙で縦に切断される.
22.マトリックスのコピー:

b = a:このとき得られたbとaのアドレスは完全に同じであり、すなわちa,bは同じマトリクスの異なる名前にすぎず、そのうちのいずれかのマトリクス操作に対しても別のマトリクスと同じ変化を引き起こす.

b = a.view():このとき得られるbはaのアドレスとは異なるが、bに対する操作はaを変更する.

b = a.copy():このとき得られるのは2つの完全に独立した行列である.

23.b = np.tile(a,(m,n)):行列aの行数をm倍、列数をn倍に拡大する.
24.np.sort(a,axis=k):マトリックスaをk次元で並べ替える.
25.np.argsort(a):aを昇順に並べたインデックス値(デフォルトでは昇順)を返します.