numpyを使った計算についての備忘録です。
NumPyを用いた一次元の配列は、array関数を用いて
np.array([第一要素, 第二要素, …])
array 関数を覚えよう
import numpy as np
print(np.array([1, 2, 3, 4, 5]))
import numpy as np
Pen= np.array([33, 34, 35])
Star= np.array([5, 17, 63])
print(Pen)
print(Star)計算結果
[33 34 35]
[ 5 17 63]
ーーーーーーーーーーーーーーーーーーーーーーーーーーーー
転置：配列名.T
次元数：配列名.ndim
要素数：配列名.size
形：配列名.shape
配列要素の四則演算
NumPyの配列Stock の全ての要素に対して、1を足すコード
import numpy as np
Star = np.array([[5,5],[12,10] ,[63,32]])
Star = Star + 1 # 全要素に1足す
print(Star)linspace関数 を覚えよう。
import numpy as np
np.linspace(作成する配列の要素の始まりの値, 作成する配列の要素の終わりの値, 配列の要素の数)
import numpy as np
test=np.linspace(7,70,10)
print(test)import numpy as np
test=np.linspace(7,70,10)
print(test)
間隔の値を確認する方法は以下のように引数retstepにTrueを渡すと確認できます。
arange関数(配列の要素の間隔の値が整数に限る)を覚えよう
整数を使った配列を作成する際は、同様に要素が等間隔な配列をarange関数
を用いて作成できます。(配列の要素の間隔の値が小数の場合は、linspace関数を用いたほうが適切です。)
スライシングの機能 配列の一部を取り出す。
配列名[最初の要素番号:不要な要素番号]
import numpy as np
arr_1 = np.arange(1, 10, 2)
print(arr_1)
arr_1=arr_1[1:4]#1番目の要素から開始して4番目の要素以降がいらない
print(arr_1)配列名[開始の要素番号:終了の要素番号:間隔の要素数+1]
arr_1 = np.arange(1, 100, 2)
print(arr_1)
arr_1=arr_1[5:40:4]#1番目の要素から開始して4番目の要素以降がいらない
print(arr_1)2次元配列
import numpy as np
arr_2=np.array([[10, 30], [90, 75],[6,6]])
print(arr_2)
print(arr_2.shape)#shape属性を使うと何行何列かわかる。計算結果
[[10 30]
[90 75]]
import numpy as np
arr_3 = np.array([[8, 4, 0, 2], [40, 72, 1, 8], [30, 92, 4, 5]])
sliceArr = arr_3[0:2, 0:3]
print(sliceArr)1次元配列を2つ合わせて2次元配列を作る方法
import numpy as np
list_1 = [3, 4, 3]
list_2 = [5, 1, 6]
list_2d = [list_1,list_2]
arr_2d =np.array(list_2d)
print(arr_2d)ブロードキャスティングとは？：こなる形の配列でも2次元配列に対して、
0次元（スカラ）、または、行数か列数が同じ1次元配列ならば、演算できる。
reshape は配列の形を変更できる。
1次元配列を2次元へ変更できる。
import numpy as np
arr_3 = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) # 一次元配列
print(arr_3)
print(arr_3.reshape((5, 2)))#二次元配列行列の数が間違うとErrorになる。
これを回避する方法として要素数に-1を入れると自動で決めてもらえる。
例：
arr_4=arr_3.reshape((5,-1)))#二次元配列
print(arr_4)
arr_5=arr_4.reshape(-1)
print(arr_5)#一次元配列化 | 価格:3190円 |
コメント