入門から習熟まで：numpyライブラリの基本操作と共通機能をマスターする

numpy ライブラリは、Python で最も人気のある科学計算ライブラリの 1 つであり、多次元配列と行列に対する高速演算を提供し、さまざまな数学演算、線形代数演算をサポートしています。 、および乱数生成およびその他の機能。 numpyの基本操作や共通機能をマスターすることで、データ分析や科学技術計算の効率が向上するだけでなく、データ可視化や機械学習などの分野の発展にも役立ちます。

この記事では、numpy 配列の作成、インデックス付け、スライス、配列演算、統計関数、線形代数演算、乱数生成など、numpy ライブラリの基本操作と共通関数を紹介します。読者がすぐに始められるように、具体的なコード例も提供されています。

1. numpy 配列を作成する

numpy 配列を作成する最も基本的な方法は、numpy.array() 関数を使用することです。この関数は、リストまたはタプルをパラメータとして受け取り、 numpy配列。以下は簡単な例です:

import numpy as np

a = np.array([1, 2, 3])
print(a)

出力結果は次のとおりです:

[1 2 3]

さらに、numpy には次のような配列を作成するための他の関数もあります。

• numpy.zeros() は、すべて 0s
• の配列を作成するために使用されます。numpy.ones() は、すべて 1s
• の配列を作成するために使用されます。numpy.random.rand() は、乱数を作成する 配列

2. インデックス付けとスライス

Python のリストと同様に、numpy 配列でもインデックス付けとスライス操作を使用できます。以下にいくつかの例を示します。

import numpy as np

a = np.array([1, 2, 3])
print(a[0])  # 输出1
print(a[-1])  # 输出3 

b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(b[0][1])  # 输出2

c = np.array([1, 2, 3, 4, 5, 6])
print(c[1:4])  # 输出[2 3 4]

numpy 配列では、スライス操作により新しい配列ではなく元の配列のビューが返されることに注意してください。したがって、スライスに変更が加えられると、元の配列も変更されます。

3. 配列演算

numpy 配列は、加算、減算、乗算、除算、多項式関数、三角関数などのさまざまな数学演算をサポートしています。以下は一般的な配列演算の一部です:

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

print(a + b)  # 输出[5 7 9]
print(a - b)  # 输出[-3 -3 -3]
print(a * b)  # 输出[4 10 18]
print(b / a)  # 输出[4.         2.5        2.        ]

c = np.array([[1, 2], [3, 4]])
d = np.array([[5, 6], [7, 8]])

print(c.dot(d))  # 矩阵乘法，输出[[ 19  22] [ 43  50]]

4. 統計関数

numpy は、合計、平均、標準偏差、最大値と最小値などの多数の統計関数も提供します。以下は、一般的な統計関数の一部です:

import numpy as np

a = np.array([1, 2, 3, 4])
print(np.sum(a))  # 求和，输出10
print(np.mean(a))  # 均值，输出2.5
print(np.std(a))  # 标准差，输出1.118033988749895
print(np.max(a))  # 最大值，输出4
print(np.min(a))  # 最小值，输出1

b = np.array([[1, 2], [3, 4]])
print(np.sum(b, axis=0))  # 按列求和，输出[4 6]
print(np.sum(b, axis=1))  # 按行求和，输出[3 7]

5. 線形代数演算

numpy は、行列の乗算、行列式の計算、固有値および固有ベクトルの計算など、豊富な線形代数演算関数を提供します。等以下は一般的な線形代数演算の一部です:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

print(np.dot(a, b))  # 矩阵乘法，输出[[19 22] [43 50]]

c = np.array([[1, 2], [3, 4]])
print(np.linalg.det(c))  # 行列式计算，输出-2.0000000000000004

d = np.array([[1, 2], [2, 1]])
print(np.linalg.eig(d))  # 特征值和特征向量的计算，输出(array([ 3., -1.]), array([[ 0.70710678, -0.70710678], [ 0.70710678,  0.70710678]]))

6. 乱数生成

numpy は、ランダムな整数の生成、正規分布乱数の生成、指定された乱数の生成など、さまざまなランダム関数を提供します。形状、ランダム配列など。以下は、一般的なランダム関数の一部です:

import numpy as np

print(np.random.randint(0, 10, 5))  # 生成5个0到10之间的随机整数，输出[1 5 8 7 3]

print(np.random.normal(0, 1, 5))  # 生成5个均值为0，方差为1的正态分布随机数，输出[-0.60690706  2.01738925 -0.58946246 -1.42619268  0.72589716]

print(np.random.rand(3, 4))  # 生成3行4列的随机数组，输出[[0.9004391  0.50630644 0.31150836 0.90425598] [0.13734967 0.53890228 0.20053875 0.00617321] [0.96756345 0.80763172 0.21116666 0.09858394]]

上記は、numpy ライブラリの基本操作と一般的な関数の紹介とコード例です。この記事が、読者がすぐに使い始めて熟練するのに役立つことを願っています。 numpyの使用。

以上が入門から習熟まで：numpyライブラリの基本操作と共通機能をマスターするの詳細内容です。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。