python Numpyライブラリのndarray作成と基本プロパティ
28275 ワード
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 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. 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 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. 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. 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. 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. 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. np.logspace logspace関数はlinspaceと似ていますが、等比数列 を作成します. np.asarrayはpythonのlistとメタグループをnumpyのndarray に変換する
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
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.
またnumpyのもっと多くの操作を更新しますよ!
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
Ndarray
>>>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]]
>>>b = np.zeros((3,4),dtype=np.int32)
>>>print(b)
>[[0 0 0 0]
[0 0 0 0]
[0 0 0 0]]
>>>c = np.arange(1,8,2,dtype=np.int32).reshape((2,2))
>>>d = np.zeros_like(c)
>>>print(d)
>[[0 0]
[0 0]]
>>>b = np.ones((3,4),dtype=np.int64)
>>>print(b)
>[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
>>>c = np.arange(1,8,2,dtype=np.int32).reshape((2,2))
>>>d = np.ones_like(c)
>>>print(d)
>[[1 1]
[1 1]]
>>>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]]
>>>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]]
>>>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. ]
>>>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]
>>>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
>>>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
>>>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!