numpy学習——基礎編
numpy学習——基礎編
日付:2021/4/20
作者:易易と呼ぶ
numpyライブラリとは?
numpyのフルネームはNumeric pythonで、Python言語の拡張ライブラリであり、高度な大量の次元配列とマトリクス演算をサポートし、大量の数学関数ライブラリも提供されています.
基本構文
numpyでマトリクス、配列を作成するにはどうすればいいですか?
定義した属性にtypeを作成できます
上の行列の形を変えるなら、reshapeしてもいいです.
マトリックス間の計算
索引
インデックスは0から!
Arrayマージ
日付:2021/4/20
作者:易易と呼ぶ
numpyライブラリとは?
numpyのフルネームはNumeric pythonで、Python言語の拡張ライブラリであり、高度な大量の次元配列とマトリクス演算をサポートし、大量の数学関数ライブラリも提供されています.
基本構文
import numpy as np
array = np.array([[1,2,3],
[2,3,4]])
print(array)
print('number of dim:',array.ndim) #
print('shape:',array.shape) # ,
print('size:',array.size) #
numpyでマトリクス、配列を作成するにはどうすればいいですか?
import numpy as np
a=np.array([2,23,4])
print(a)
# [2 23 4]
定義した属性にtypeを作成できます
a=np.array([2,23,4],dtype=np.int)
print(a.dtype)
# :int64 64 int , 64 int 32 int, dtype=np.int32
import numpy as np
a=np.zeros((3,4))
print(a)
#
[[0.0.0.0.]
[0.0.0.0.]
[0.0.0.0.]]
import numpy as np
a=np.ones((3,4),dtype=np.int16)
print(a)
#
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
import numpy as np
a=np.arange(10,20,2) # 10 , 20 ( 20), , 2
print(a)
#
[10,12,14,16,18]
import numpy as np
a=np.arange(12).reshape((3,4)) # , 3 ,4
print(a)
:
[[0 1 2 3]
[4 5 6 7]
[8 9 10 11]]
import numpy as np
a=np.linspace(1,10,5) #1 10 , 5 ,
print(a)
# [1 3.25 5.5 7.75 10]
上の行列の形を変えるなら、reshapeしてもいいです.
import numpy as np
a=np.linspace(1,10,6).reshape((2,3)) #1 10 , 6 , ,2 3
print(a)
#
[[1 2.8 4.6]
[6.4 8.2 10]]
#array
import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
print(a,b)
c=a-b
print(c)
#
[10 20 30 40][0 1 2 3]
[10 19 28 37]
# sin
import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
c=10*np.sin(a)
print(c)
import numpy as np
b=np.arange(4)
print(b)
print(b<3)
#
[0 1 2 3]
[True True True False]
マトリックス間の計算
import numpy as np
a=np.array([[1,1],
[0,1]])
b=np.arange(4).reshape((2,2))
c=a*b #
c_dot=np.dot(a,b) #
print(c)
print(c_dot)
#
[[1 1]
[0 1]]
[[0 1]
[2 3]]
[[0 1]
[0 3]]
[[2 4]
[2 3]]
import numpy as np
a=np.random.random((2,4)) # 2 4
print(a)
print(np.sum(a)) #
print(np.min(a)) #
print(np.max(a)) #
# ,
print(np.sum(a,axis=1)) #
#axis=0
索引
インデックスは0から!
import numpy as np
A=np.arange(2,14).reshape((3,4))
print(np.argmin(A)) #
print(np.argmax(A)) #
print(np.mean(A)) #
print(np.median(A)) #
#
[[2 3 4 5]
[6 7 8 9]
[10 11 12 13]]
0
11
7.5
7.5
import numpy as np
A=np.arange(3,15)
print(A)
print(A[3]) # 3
#
[3 4 5 6 7 8 9 10 11 12 13 14]
6
#
import numpy as np
A=np.arange(3,15)。reshape((3,4))
print(A)
print(A[2]) # 2
print(A[1][1]) # 1 1
print(A[2,:]) # 2
print(A[:,1]) # 1
print(A[1,1:2]) # 1 1 2
Arrayマージ
import numpy as np
A=np.array([1,1,1])
B=np.array([2,2,2])
C=print(np.vstack((A,B))) # ,vertical stack
#
[[1 1 1]
[2 2 2]]
# A C shape,
print(A.shape,C.shape)
(3,)(2,3)
#
D=np.hstack((A,B))
print(D)
print(A.shape,D.shape)
# [1 1 1 2 2 2]
(3,)(6,)
C=print(np.vstack((A,B))) # ,vertical stack
#
[[1 1 1]
[2 2 2]]
# A C shape,
print(A.shape,C.shape)
(3,)(2,3)
#
D=np.hstack((A,B))
print(D)
print(A.shape,D.shape)
# [1 1 1 2 2 2]
(3,)(6,)