NumPy メソッドの使用に関する概要の概要-Python チュートリアル-php.cn

NumPy メソッドの使用に関する概要の概要

高洛峰

リリース： 2017-03-19 16:55:09

オリジナル

1452 人が閲覧しました

NumPy は、Python のオープンソース数値計算拡張機能です。このツールは大規模な行列の保存と処理に使用でき、Python 独自のネストされた list 構造 (行列の表現にも使用できます) よりもはるかに効率的です。 NumPy (Numeric Python) は、行列データ型、ベクトル処理、高度な算術ライブラリなど、多くの高度な数値プログラミングツールを提供します。厳密な数値処理のために構築されています。これは主に多くの大手金融会社や、ローレンスリバモアなどの中核的な科学技術コンピューティング組織で使用されており、NASA は元々 C++、Fortran、または Matlab を使用して実行されていた一部のタスクを処理するためにこれを使用しています。

numpyのデータ型であるndarray型は、標準ライブラリのarray.arrayとは異なります。

ndarrayの作成

>>> import numpy as np
>>> a = np.array([2,3,4])
>>> a
array([2, 3, 4])
>>> a.dtype
dtype('int64')
>>> b = np.array([1.2, 3.5, 5.1])
>>> b.dtype
dtype('float64')

ログイン後にコピー

2次元array

>>> b = np.array([(1.5,2,3), (4,5,6)])
>>> b
array([[ 1.5,  2. ,  3. ],
       [ 4. ,  5. ,  6. ]])

ログイン後にコピー

作成時に型を指定する

>>> c = np.array( [ [1,2], [3,4] ], dtype=complex )
>>> c
array([[ 1.+0.j,  2.+0.j],
       [ 3.+0.j,  4.+0.j]])

ログイン後にコピー

特別な行列を作成する

>>> np.zeros( (3,4) )
array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])
>>> np.ones( (2,3,4), dtype=np.int16 )                # dtype can also be specified
array([[[ 1, 1, 1, 1],
        [ 1, 1, 1, 1],
        [ 1, 1, 1, 1]],
       [[ 1, 1, 1, 1],
        [ 1, 1, 1, 1],
        [ 1, 1, 1, 1]]], dtype=int16)
>>> np.empty( (2,3) )                                 # uninitialized, output may vary
array([[  3.73603959e-262,   6.02658058e-154,   6.55490914e-260],
       [  5.30498948e-313,   3.14673309e-307,   1.00000000e+000]])

ログイン後にコピー

特定のルールで行列を作成する

>>> np.arange( 10, 30, 5 )
array([10, 15, 20, 25])
>>> np.arange( 0, 2, 0.3 )                 # it accepts float arguments
array([ 0. ,  0.3,  0.6,  0.9,  1.2,  1.5,  1.8])
>>> from numpy import pi
>>> np.linspace( 0, 2, 9 )                 # 9 numbers from 0 to 2
array([ 0.  ,  0.25,  0.5 ,  0.75,  1.  ,  1.25,  1.5 ,  1.75,  2.  ])
>>> x = np.linspace( 0, 2*pi, 100 )        # useful to evaluate function at lots of points
>>> f = np.sin(x)

ログイン後にコピー

いくつかの基本的な操作

加算と減算乗算と割り算三角関数論理演算

>>> a = np.array( [20,30,40,50] )
>>> b = np.arange( 4 )
>>> b
array([0, 1, 2, 3])
>>> c = a-b
>>> c
array([20, 29, 38, 47])
>>> b**2
array([0, 1, 4, 9])
>>> 10*np.sin(a)
array([ 9.12945251, -9.88031624,  7.4511316 , -2.62374854])
>>> a<35
array([ True, True, False, False], dtype=bool)

ログイン後にコピー

行列演算

matlab には .*、./ などがあります

しかし、numpy では、+、-、×、/ を使用すると、各点間の加算は次のようになります減算、乗算、除算が最初に実行されます

2 つの行列 (正方行列) が要素間の演算と行列演算を実行できる場合、要素間の演算が最初に実行されます

>>> import numpy as np
>>> A = np.arange(10,20)
>>> B = np.arange(20,30)
>>> A + B
array([30, 32, 34, 36, 38, 40, 42, 44, 46, 48])
>>> A * B
array([200, 231, 264, 299, 336, 375, 416, 459, 504, 551])
>>> A / B
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> B / A
array([2, 1, 1, 1, 1, 1, 1, 1, 1, 1])

ログイン後にコピー

行列演算を実行する必要がある場合、通常は行列の乗算です。

サイズ変更は元の行列を変更しますが、形状変更はしません

>>> A = np.array([1,1,1,1])
>>> B = np.array([2,2,2,2])
>>> A.reshape(2,2)
array([[1, 1],
       [1, 1]])
>>> B.reshape(2,2)
array([[2, 2],
       [2, 2]])
>>> A * B
array([2, 2, 2, 2])
>>> np.dot(A,B)
8
>>> A.dot(B)
8

ログイン後にコピー

行列をマージします

>>> B = np.arange(3)
>>> B
array([0, 1, 2])
>>> np.exp(B)
array([ 1.        ,  2.71828183,  7.3890561 ])
>>> np.sqrt(B)
array([ 0.        ,  1.        ,  1.41421356])
>>> C = np.array([2., -1., 4.])
>>> np.add(B, C)
array([ 2.,  0.,  6.])

ログイン後にコピー

以上がNumPy メソッドの使用に関する概要の概要の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。