Numpy ライブラリでよく使用される関数の概要: データ分析とモデリングのための強力なツール

Numpy は、Python で最も一般的に使用される数学ライブラリの 1 つであり、最高の数学関数と演算の多くが統合されています。 Numpy は、統計、線形代数、画像処理、機械学習、ニューラル ネットワークなどの分野で広く使用されています。データ分析とモデリングの観点から、Numpy は不可欠なツールの 1 つです。この記事では、Numpy で一般的に使用される数学関数と、これらの関数を使用してデータ分析とモデリングを実装するためのサンプル コードを紹介します。

1. 配列の作成

Numpy の array() 関数を使用して配列を作成します。コード例:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr)

これは出力 [ 1 2 3 4 5]、1 次元配列が作成されることを示します。

2 次元配列を作成することもできます。コード例:

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)

これは出力します:

[[1 2 3]
 [4 5 6]]

は、2 次元配列が作成されることを意味します。

2. 配列属性

Numpy の ndim、shape、size 属性を使用して、配列の次元を取得します。配列。要素の形状と数、コード例:

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.ndim)  # 输出 2，表示数组是二维的
print(arr.shape)  # 输出 (2, 3)，表示数组有2行3列
print(arr.size)  # 输出 6，表示数组有6个元素

3. 配列演算

Numpy 配列は、加算、減算、乗算、除算などの演算を実行できます。まず、配列にスカラーを追加する操作を見てみましょう。コード例:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr + 2)  # 输出 [3 4 5 6 7]

は、配列の各要素に 2 を追加することを意味します。

次のステップは 2 つの配列を追加する操作です。コード例:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(arr1 + arr2)  # 输出 [5 7 9]

は、2 つの配列に対応する要素を追加することを意味します。

Numpy は、次のような特定の演算も提供します。

• 二乗演算: power() 関数を使用します。コード例:

  import numpy as np
  
  arr = np.array([1, 2, 3, 4, 5])
  print(np.power(arr, 2))  # 输出 [ 1  4  9 16 25]

  これは、配列内の各要素が二乗されることを意味します。

• 平方根演算: sqrt() 関数を使用します。コード例:

  import numpy as np
  
  arr = np.array([1, 4, 9, 16, 25])
  print(np.sqrt(arr))  # 输出 [1. 2. 3. 4. 5.]

  これは、配列内の各要素が平方根を持つことを意味します。根 。

• Sum: sum() 関数を使用します。コード例:

  import numpy as np
  
  arr = np.array([1, 2, 3, 4, 5])
  print(np.sum(arr))  # 输出 15

  これは、配列内のすべての要素を合計することを意味します。

• 最大値と最小値を検索します。max() 関数と min() 関数を使用します。コード例:

  import numpy as np
  
  arr = np.array([1, 2, 3, 4, 5])
  print(np.max(arr))  # 输出 5，表示数组中的最大值
  print(np.min(arr))  # 输出 1，表示数组中的最小值

4. 配列のインデックス付けとスライス

添字を使用して配列内の要素にアクセスできます (コード例:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr[0])  # 输出 1，表示数组中的第一个元素

配列に対してスライス操作を実行することもできます) , コード例:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr[1:4])  # 输出 [2 3 4]，表示从数组中取出第2个到第4个元素

5. 配列の形状の変換

Numpy には、配列の形状を変更するための関数がいくつか用意されており、その 1 つが reshape() 関数です。 。 reshape() 関数を使用して配列の形状を変更できます。コード例:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr.reshape(5, 1))

これにより、形状 (5, 1) の 2 次元配列が返されます:

[[1]
 [2]
 [3]
 [4]
 [5]]

6. 配列のマージと分割

Numpy は、配列をマージおよび分割するための関数をいくつか提供します。

concatenate() 関数を使用して、特定の次元に沿って 2 つの配列をマージできます。コード例:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(np.concatenate((arr1, arr2)))  # 输出 [1 2 3 4 5 6]

vstack() を使用することもできます。 関数と hstack() 関数は、2 つの配列を水平方向または垂直方向にスタックします。コード例:

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

# 垂直堆叠
print(np.vstack((arr1, arr2)))  # 输出 [[1 2 3] [4 5 6]]

# 水平堆叠
print(np.hstack((arr1, arr2)))  # 输出 [1 2 3 4 5 6]

また、split() 関数を使用して配列を分割することもできます。配列を複数の配列に分割するコード例:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(np.split(arr, 5))  # 输出 [array([1]), array([2]), array([3]), array([4]), array([5])]

これにより、配列が 5 つの 1 次元配列に分割され、それぞれに要素が 1 つだけ含まれます。

7. 包括的な例

ここでは、Numpy の関数を使用して、簡単なデータ分析とモデリングの例を実装します。

例: 100 人の生徒のスコアがあり、平均スコア、最高スコア、最低スコアを計算したいとします。

まず、random() 関数を使用して 100 個の乱数を生成し、mean()、max()、# を使用します。 # #min() 関数は、平均値、最高値、最低値を計算します。コード例:

import numpy as np

grades = np.random.randint(50, 100, 100)  # 生成50到100之间的100个随机数
print("平均成绩：", np.mean(grades))
print("最高成绩：", np.max(grades))
print("最低成绩：", np.min(grades))

次に、

histogram() 関数を使用してスコア ヒストグラムを生成します。 、コード例:

import matplotlib.pyplot as plt
import numpy as np

grades = np.random.randint(50, 100, 100)  # 生成50到100之间的100个随机数
hist, bins = np.histogram(grades, bins=10, range=(50, 100))

plt.hist(grades, bins=10, range=(50, 100))
plt.show()

最後に、

percentile() 関数を使用してスコアのパーセンタイルを計算します。コード例:

import numpy as np

grades = np.random.randint(50, 100, 100)  # 生成50到100之间的100个随机数
print("90%的成绩高于：", np.percentile(grades, 90))

上記は概要です。この記事の一般的な Numpy 関数、これらの関数はデータ分析とモデリングの実現に役立ちます。これらのサンプル コードが読者の理解を深めるのに役立つことを願っています。

以上がNumpy ライブラリでよく使用される関数の概要: データ分析とモデリングのための強力なツールの詳細内容です。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。