NumPy 関数の探索: 包括的なガイド

NumPy 関数の詳細な理解: 完全ガイド

はじめに:
NumPy (数値 Python) は、Python の科学計算用の基本ライブラリです。多次元配列に対する効率的な操作とコンピューティング機能を提供し、大規模なデータの処理をより簡単かつ効率的にします。この記事では、NumPy 関数の使用法を詳しく紹介し、読者が NumPy 関数の機能と使用法をよりよく理解して習得できるように、具体的なコード例を示します。

1. NumPy の概要
NumPy は、Python の科学計算用の基本ライブラリの 1 つで、多次元配列に対する効率的な演算と計算機能を提供します。 NumPy の中核は、同じ種類のデータを格納できる多次元配列である ndarray (N 次元配列) オブジェクトです。 NumPy を使用すると、ループを作成せずに直接行列演算を実行できるため、演算効率が向上します。

2. NumPy 関数の基本的な使い方

1. ndarray の作成
   NumPy 関数を使用すると、ndarray を簡単に作成できます。まず、NumPy ライブラリをインポートする必要があります:

import numpy as np

次に、NumPy が提供する関数を使用して ndarray を作成できます。たとえば、numpy.array() 関数を使用して 1 次元配列を作成できます:

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

出力結果は次のとおりです: [1 2 3 4 5]

##numpy.array() 関数の使用に加えて、他の NumPy 関数を使用して、numpy.zeros()、## などのさまざまな型の配列を作成することもできます。 #numpy.ones() 、 numpy.arange() など。以下に、ndarray を作成するためによく使用される関数とそのサンプル コードを示します。

すべてゼロの配列を作成するには、

numpy.zeros()
• を使用します。

  a = np.zeros((2, 3))
  print(a)

  出力結果は次のとおりです:

  [[0. 0. 0.]
   [0. 0. 0.]]

numpy.ones()

を使用して、すべて 1 つの配列を作成します:

• a = np.ones((3, 4))
  print(a)

  出力結果は次のとおりです:

  [[1. 1. 1. 1.]
   [1. 1. 1. 1.]
   [1. 1. 1. 1.]]

numpy.arange()

を使用して算術シーケンス配列を作成します:

• a = np.arange(0, 10, 2)
  print(a)

  出力結果は次のとおりです: [0 2 4 6 8]

配列の基本操作

NumPy は、インデックス付け、スライス、形状変換、結合などを含む豊富な配列操作関数を提供します。以下に、一般的に使用されるいくつかの配列演算関数とそのサンプル コードを紹介します。

2. 
   配列のインデックス付けとスライス:
インデックス付けとスライスを通じて配列の要素にアクセスできます。

a = np.array([1, 2, 3, 4, 5])
print(a[0])  # 输出第一个元素
print(a[1:4])  # 输出第2到第4个元素（不包括第4个元素）

• 出力結果は次のとおりです:
  

  1
  [2 3 4]

配列の形状を変更します:

reshape 関数とsize 関数を使用して、配列の形状を変更できます。配列。

a = np.arange(10)
print(a)
b = np.reshape(a, (2, 5))
print(b)

• 出力結果は次のとおりです:
  

  [0 1 2 3 4 5 6 7 8 9]
  [[0 1 2 3 4]
   [5 6 7 8 9]]

配列の結合:

concatenate 関数と stack 関数を使用して、複数の配列を結合できます。

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

• 出力結果は次のとおりです: [1 2 3 4 5 6]
  

配列演算

NumPy は、基本的な加算、減算を含む配列演算用の関数を多数提供します。 、乗算と除算、行列演算、論理演算など。以下は、一般的に使用されるいくつかの配列演算関数とそのサンプル コードの簡単な紹介です:

3. 
   基本演算:
NumPy の配列は、加算、減算、演算などの基本的な数学演算をサポートします。掛け算、割り算など。

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = a + b  # 数组相加
print(c)

• 出力結果は次のとおりです: [5 7 9]
  

行列演算:

NumPy は、行列の乗算や行列など、豊富な行列演算関数を提供します。転置して待ってください。

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.dot(a, b)  # 矩阵乘法
print(c)

• 出力結果は次のとおりです:
  

  [[19 22]
   [43 50]]

論理演算:

NumPy の配列は、AND、OR、NOT などの論理演算もサポートしています。

a = np.array([True, True, False, False])
b = np.array([True, False, True, False])
c = np.logical_and(a, b)  # 逻辑与
print(c)

• 出力結果は次のとおりです: [True False False False]
  
結論: この記事では、NumPy 関数の使用方法を詳しく紹介し、具体的なコードを示します。例。この記事を学習することで、読者が NumPy 関数の使い方をさらに習得し、科学技術計算の効率をさらに向上できることを願っています。もちろん、NumPy 関数の機能はこれだけではなく、公式ドキュメントやその他の学習リソースを通じてさらに学習し、探索することもできます。

以上がNumPy 関数の探索: 包括的なガイドの詳細内容です。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。