TIL 2021.09.14|Python Basic復習2(+なぜバックエンドを探すのか)

2020 ワード

紛らわしい部分だけを整理するPostingなぜか毎回混同されています...ほほほ、先輩とお母さんの息子の機会で勉強します😂

TIL 2021.09.11 start!


1. Quiz



2.指定したジオメトリのアレイの作成と初期化


ゼロ:指定したジオメトリの配列を作成し、すべての要素をゼロにリセットします.
ones:指定したジオメトリの配列を作成し、すべての要素を1にリセットします.
a = np.zeros((3, 4),dtype=int)
pprint(a)

b = np.ones((2,3,4),dtype=int)
pprint(b)

>>shape: (3, 4), dimension: 2, size:12, dtype:int32
Array's Data:
 [[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]
shape: (2, 3, 4), dimension: 3, size:24, dtype:int32
Array's Data:
 [[[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]

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

3.Numpyアレイ演算

  • 背後の内敵
    バックエンドの内積:2つのベクトルに対応するすべての要素の積.
    ベクトルの内積は行列の積
  • に展開する.
    import numpy as np
    
    va = np.array([1, 2, 3])
    vb = np.array([4, 5, 6])
    
    print(np.dot(va, vb))
    
    > 32
    💛 1 x 4 + 2 x 5 + 3 x 6 = 32
    バックグラウンドの内部辞書の内容

    母の息子は、垂直の意味は「2つの値は関係ない.独立.「共有要素は2つもありません.」に表示されます.では,後場内積を求める理由は,二つの値の間にどれだけの相関があるかを示すためである.すなわち,空分散(Covariance)と相関(co−relation)を求めるために用いることができる.
  • 集約演算
    axisが指定されていません:すべてを集約
    axis=0の場合:行ごとに同じ列を統計
    axis=1の場合:各カラムの同じローの合計
  • a = np.arange(1, 7).reshape(2, 3)
    pprint(a)
    
    >>
    shape: (2, 3), dimension: 2, size:6, dtype:int32
    Array's Data:
     [[1 2 3]
     [4 5 6]]
     
    print("전체:", np.sum(a))      # a.sum() 과 동일
    print("axis=0:", np.sum(a, axis=0))
    print("axis=1:", np.sum(a, axis=1))
    > 전체: 21
    axis=0: [5 7 9]
    axis=1: [ 6 15]
  • マトリックスプリフェッチ
    前(Transpose):変換行列の行と列
    arr_name.
  • 、Tフォーマットを採用
    a = np.array([[4, 1, 7], [2, 8, 0], [3, 9, 5]])
    print(a)
    print(a.T)