1、 ナンピーとは
非常に単純なNumpyは、Pythonの科学コンピューティングライブラリであり、マトリックス操作の機能を提供します。これは通常、Scipyおよびmatplotlibと一緒に使用されます。実際、listはすでにマトリックスに似た表現を提供していますが、numpyはより多くの機能を提供します。 matlabとscilabに触れたことがある場合は、numpyが出発点として適しています。次のコード例では、numpyが常に最初にインポートされます。
コードは次のように表示されます。
import numpy as np
print np.version.version
1.6.2
2、 多次元配列
多次元配列のタイプは、numpy.ndarrayです。
numpy.arrayメソッドを使用します
リスト変数またはタプル変数をパラメーターとして使用して、1次元配列を生成します。
コードは次のように表示されます。
print np.array([1,2,3,4])
[1 2 3 4]print np.array((1.2,2,3,4))
[ 1.2 2. 3. 4. ]print type(np.array((1.2,2,3,4)))
< type 'numpy.ndarray'>
リスト変数またはタプル変数を要素として使用して、2次元配列を生成します。
コードは次のように表示されます。
print np.array([[1,2],[3,4]])
[[1 2]
[3 4]]
配列を生成するときに、numpy.int32、numpy.int16、numpy.float64などのデータタイプを指定できます。
コードは次のように表示されます。
print np.array((1.2,2,3,4), dtype=np.int32)
[1 2 3 4]
numpy.arangeメソッドを使用します
コードは次のように表示されます。
print np.arange(15)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]print type(np.arange(15))
< type 'numpy.ndarray'>print np.arange(15).reshape(3,5)
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]print type(np.arange(15).reshape(3,5))
< type 'numpy.ndarray'>
numpy.linspaceメソッドを使用します
たとえば、1から3までの9つの数値を生成するには。
コードは次のように表示されます。
print np.linspace(1,3,9)
[ 1. 1.25 1.5 1.75 2. 2.25 2.5 2.75 3. ]
numpy.zeros、numpy.ones、numpy.eye、およびその他のメソッドを使用して、特定のマトリックスを作成します
例えば：
コードは次のように表示されます。
print np.zeros((3,4))
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]print np.ones((3,4))
[[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]
[ 1. 1. 1. 1.]]print np.eye(3)
[[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]
3次元配列を作成します。
コードは次のように表示されます。
print np.zeros((2,2,2))
[[[ 0. 0.]
[ 0. 0.]]
[[ 0. 0.]
[ 0. 0.]]]
配列の属性を取得します：
コードは次のように表示されます。
a = np.zeros((2,2,2))
print a.ndim＃配列の寸法
3print a.shape＃配列の各次元のサイズ
(2, 2, 2)print a.size＃配列の要素数
8a.dtype＃Elementタイプを出力します
float64print a.itemsize＃各要素が占めるバイト数
8
配列インデックス、スライス、割り当て
例：
コードは次のように表示されます。
a = np.array( [[2,3,4],[5,6,7]] )
print a
[[2 3 4]
[5 6 7]]print a[1,2]
7print a[1,:]
[5 6 7]print a[1,1:2]
[6]a[1,:] = [8,9,10]
print a
[[ 2 3 4]
[ 8 9 10]]
要素を操作するために使用
コードは次のように表示されます。
for x in np.linspace(1,3,3):
... print x
...
1.0
2.0
3.0
基本的なアレイ操作
まず、配列aとbを作成します。
コードは次のように表示されます。
a = np.ones((2,2))
b = np.eye(2)
print a
[[ 1. 1.]
[ 1. 1.]]print b
[[ 1. 0.]
[ 0. 1.]]
配列の加算、減算、乗算、および除算：
コードは次のように表示されます。
print a > 2
[[ False False]
[ False False]]print a+b
[[ 2. 1.]
[ 1. 2.]]print a-b
[[ 0. 1.]
[ 1. 0.]]print b*2
[[ 2. 0.]
[ 0. 2.]]print (a2)(b*2)
[[ 4. 0.]
[ 0. 4.]]print b/(a*2)
[[ 0.5 0. ]
[ 0. 0.5]]print (a*2)**4
[[ 16. 16.]
[ 16. 16.]]
配列オブジェクトに付属のメソッドを使用します。
コードは次のように表示されます。
a.sum()
4.0a.sum（axis = 0）＃各列（2次元配列の行列に類似した列）の合計を計算します
array([ 2., 2.])a.min()
1.0a.max()
1.0
numpyの下のメソッドを使用します。
コードは次のように表示されます。
np.sin(a)
array([[ 0.84147098, 0.84147098],
[ 0.84147098, 0.84147098]])np.max(a)
1.0np.floor(a)
array([[ 1., 1.],
[ 1., 1.]])np.exp(a)
array([[ 2.71828183, 2.71828183],
[ 2.71828183, 2.71828183]])np.dot（a、a）##マトリックス乗算
array([[ 2., 2.],
[ 2., 2.]])
配列を組み合わせる
numpyの下でvstackおよびhstack関数を使用します。
コードは次のように表示されます。
a = np.ones((2,2))
b = np.eye(2)
print np.vstack((a,b))
[[ 1. 1.]
[ 1. 1.]
[ 1. 0.]
[ 0. 1.]]print np.hstack((a,b))
[[ 1. 1. 1. 0.]
[ 1. 1. 0. 1.]]
これらの2つの関数に浅いコピーの問題が含まれているかどうかを確認してください。
コードは次のように表示されます。
c = np.hstack((a,b))
print c
[[ 1. 1. 1. 0.]
[ 1. 1. 0. 1.]]a[1,1] = 5
b[1,1] = 5
print c
[[ 1. 1. 1. 0.]
[ 1. 1. 0. 1.]]
aとbの要素の変更はcに影響を与えないことがわかります。
ディープコピーアレイ
配列オブジェクトには、浅いコピーと深いコピーのメソッドが付属していますが、通常はさらに深いコピーを使用します。
コードは次のように表示されます。
a = np.ones((2,2))
b = a
b is a
Truec = a.copy（）＃deep copy
c is a
False
基本的なマトリックス操作
転置：
コードは次のように表示されます。
a = np.array([[1,0],[2,3]])
print a
[[1 0]
[2 3]]print a.transpose()
[[1 2]
[0 3]]
痕跡：
コードは次のように表示されます。
print np.trace(a)
4
numpy.linalgモジュールには、マトリックス操作のための多くのメソッドがあります。
コードは次のように表示されます。
import numpy.linalg as nplg
固有値、固有ベクトル：
コードは次のように表示されます。
print nplg.eig(a)
( array([ 3., 1.]), array([[ 0. , 0.70710678],
[ 1. , -0.70710678]]))
3、 マトリックス
Numpyはマトリックスオブジェクトを作成することもできますが、ここでは説明しません。
Recommended Posts