python Numpyライブラリのndarray作成と基本プロパティ

Numpy
Numpy Numpyはpythonの中の科学計算用のライブラリで、pandasのようにnumpyを使用する数学と科学計算パッケージの基礎です.python科学計算やデータ分析をよりよく学ぶためにはnumpyを身につける必要がある.
Numpy機能

Numpyの主な機能の1つは、配列およびマトリクス

を操作するために使用される

Numpyは科学計算、深さ学習などのハイエンド分野の必須ツール

である.

Numpyは多くの数学関数を含み、線形代数、フーリエ変換、乱数生成

などの多くの数学分野をカバーしている.

Numpyは、いくつかの商用数学ソフトウェアに取って代わることができる.Matlabインタラクティブ環境、Python+Numpy=Matlab

Numpyベース
Ndarray

同類要素からなる多次元配列

各ndarrayは1つのdtypeタイプNdarrayのみ

を作成する

np.Array作成

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

np.zerosはサイズの全0配列を指定します.注:最初のパラメータは、(3,4)

などのサイズを指定するメタグループです.

>>>b = np.zeros((3,4),dtype=np.int32)
>>>print(b)
>[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]

np.zeros_likeはマトリクスcと同じサイズの要素が0多次元配列

を生成する

>>>c = np.arange(1,8,2,dtype=np.int32).reshape((2,2))
>>>d = np.zeros_like(c)
>>>print(d)
>[[0 0]
 [0 0]]

np.onesはサイズの全1配列を指定します.注:最初のパラメータは、(3,4)

などのサイズを指定するメタグループです.

>>>b = np.ones((3,4),dtype=np.int64)
>>>print(b)
>[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]

np.ones_like生成マトリクスcと同じサイズの要素は1多次元配列

である.

>>>c = np.arange(1,8,2,dtype=np.int32).reshape((2,2))
>>>d = np.ones_like(c)
>>>print(d)
>[[1 1]
 [1 1]]

np.Empty初期化配列は、常に全0を返すのではなく、初期のランダム値(メモリ内のランダム値)

を返す場合がある.

>>>b = np.empty((3,4))
>>>print(b)
>[[5.e-324 5.e-324 5.e-324 5.e-324]
 [5.e-324 5.e-324 5.e-324 5.e-324]
 [5.e-324 5.e-324 5.e-324 5.e-324]]

np.arang arangはarrayとrangeの結合に相当し、最初の3つのパラメータはrangeと同じように(start,end,ステップ長)1次元ndarray配列を作成し、reshapeと連用されることが多く、reshape()は配列の次元数を再調整します.

>>>c = np.arange(2,10,2,dtype=np.int32)
>>>print(c)
>[2 4 6 8]
>>>d = np.arange(1,8,2,dtype=np.int32).reshape((2,2))
>>>print(d)
>[[1 3]
 [5 7]]

np.linspace linspace関数は、開始値、終了値、要素の個数を指定することによって1次元配列を作成し、通常reshapeと連用して配列形状

を変更する.

>>>b = np.linspace(1,20,10)
>>>print(b)
>[ 1.          3.11111111  5.22222222  7.33333333  9.44444444 11.55555556
 13.66666667 15.77777778 17.88888889 20.        ]

np.logspace logspace関数はlinspaceと似ていますが、等比数列

を作成します.

>>>b = np.logspace(1,20,10)
>>>print(b)
>[1.00000000e+01 1.29154967e+03 1.66810054e+05 2.15443469e+07
 2.78255940e+09 3.59381366e+11 4.64158883e+13 5.99484250e+15
 7.74263683e+17 1.00000000e+20]

np.asarrayはpythonのlistとメタグループをnumpyのndarray

に変換する

>>>c = [1,2,3,4,5,6]
>>>b = np.asarray(c)
>>>print(b)
>>>print(type(b))
>[1 2 3 4 5 6]
<class 'numpy.ndarray'>

Ndarrayの基本特性

ndim配列の次元

を表示

shape配列の形状サイズを表示

size配列を表示する要素の個数

dtype配列を表示する要素タイプ

type配列のタイプを表示し、ndarray

を返します.

itemsize配列要素のバイトサイズ

を表示

data実際の配列要素のバッファアドレス

を表示

flat配列要素を表示する反復器

>>>import numpy as np
>>>a = np.array([[1,2,3],[4,5,6]])        #    
>>>print(a.ndim)                                #      
>2
>>>print(a.shape)                              #        
>(2,3)
>>>print(a.size)                                 #        
>6
>>>print(a.dtype)                              #        
>int32
>>>print(type(a))                               #      
><class 'numpy.ndarray'>
>>>print(a.itemsize)                          #          
>4
>>>print(a.data)                                #              
><memory at 0x000001AEED4D8120>
>>>print(a.flat)                                   #          
><numpy.flatiter object at 0x000001AEEC4F72F0>

Ndarrayのデータ型

boolブールタイプ

int:int 8int 16int 32int 64整数タイプ

uint:uint 8uint 16uint 32uint 64符号なし整数タイプ

float:float 16float 32float 64浮動小数点数タイプ

cpmplex:complex 64complex 128複数型

Ndarrayアクセス要素

整数シーケンスを使用する:リスト、メタグループ

整数シーケンスの要素は、下付きであってもよく、ブール値

であってもよい.

整数シーケンスを下付き符号として用いて、配列が元の配列と共有するデータ空間

と一致しないことを得る.

ブールアクセスは配列

のみである.

>>>x = np.arange(1,10,1)
>>>a = x[[2,4,6]]
>>>print(a)
>[3 5 7]
>>>b = x[x>5]
>>>print(b)
>[6 7 8 9]

またnumpyのもっと多くの操作を更新しますよ!