Python での numpy の基本的な学習と配列とベクトルの計算の実行

はじめに

Pythonではデータの操作に配列を使用することがありますが、これはRのベクトル化演算に似ており、データの操作は単純化される傾向があります。モジュールは配列とベクトルの計算を実行できます。

簡単な例を見てみましょう

import numpy as np
 
data=np.array([2,5,6,8,3]) #构造一个简单的数组
 
print(data)

結果:

結果:

[2 5 6 8 3]

また、shape メソッドと dtype メソッドを通じて配列の次元とデータ形式を確認することもできます

data1=np.array([[2,5,6,8,3],np.arange(5)]) #构建一个二维数组
 
print(data1)

結果:

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

データが 1 であることがわかります。各グループに 5 つの要素を持つ次元配列。データ型は 32 ビット int 型です

data1 は 2 次元配列で、各グループに 5 つの要素があり、データ型は 32 ビット int 型です

区別するのは、出力された結果内の括弧の数と位置を確認することです。配列の次元がわかり、角括弧の層が次元を表します。

その他の配列属性メソッドには次のものがあります:

array.ndim 配列の次元。1 次元配列の結果は 1 で、2 次元配列の出力結果は次のようになります。 2

array.size 配列内の要素の数

array.itemsiz 配列内の各要素のバイトサイズ

次にデータ型を理解しましょう配列内:

NumPy 基本データ型

array.ndim   数组的维数，一维数组结果为1，二维数组打印结果为2

array.size     数组的元素个数

array.itemsiz

名前

説明

bool 1バイトに格納されるブール型(TrueまたはFalse)整数サイズはプラットフォームによって決まります (通常は int32 または int64) 1 バイト サイズ、-128 ～ 127integer、-32768 ～ 32767整数, - 2**31 ～ 2 ** 32 -1整数、-2 ** 63 ～ 2 ** 63 - 1符号なし整数、0 ～ 255none 符号付き整数、0 ～ 65535符号なし整数、0 ～ 2** 32 - 1符号なし整数、0 ～ 2* * 64 - 1半精度浮動小数点: 16 ビット、符号に 1 ビット、指数に 5 ビット、精度に 10 ビット単精度浮動小数点: 32 ビット、符号に 1 ビット、指数に 8 ビット指数、精度は 23 ビット倍精度浮動小数点数: 64 ビット、符号に 1 ビット、指数に 11 ビット、精度に 52 ビット複素数、それぞれを使用実数部と虚数部を表す 2 つの 32 ビット浮動小数点数複素数。2 つの 64 ビット浮動小数点数を使用して実数部と虚数部をそれぞれ表します

	inti
	int8
	int16
	int32
	int64
	uint8
	uint16
	uint32
	uint64
	float16
	float32
	float64 または float
	complex64
	complex128 または complex
	基础的数组运算 数组也可以进行我们常用的加减乘除运算 arr=np.array(np.arange(10)) arr1=np.array(np.arange(1,11)) print(arr*2) 结果： [ 0 2 4 6 8 10 12 14 16 18] print(arr+arr1) 结果： [ 1 3 5 7 9 11 13 15 17 19] 注意，相加两个数组长度要一样 接下来我们看下数组索引 arr=np.arange(10) 用下标直接进行索引 print(arr[5]) 结果为： 5 切片索引 print(arr[5:8]) 结果为： [5 6 7] 可以利用索引对数据进行更改操作 arr[5]=120 print(arr) 结果为： [ 0 1 2 3 4 120 6 7 8 9] 可以看到下标为5的数已经变成120了。 此外，数组还可以进行布尔操作 arr=np.arange(5) name=np.array(['a','b','b','c','a']) print(name=='a') 结果为： [ True False False False True] 即满足条件的数据全部以True的结果输出。 接下来我们可以利用name数组设置条件后的布尔值对arr数组进行相关操作 print(arr[name=='a']) 结果为： [0 4] 即把arr中对应于name中a相对应位置的元素打印出来。 多条件操作 result=(name='a')|(name='c') print(result) print(name[result]) 结果为： [ True False False True True] ['a' 'c' 'a'] 接下来，我们了解下ufunc方法 用于操作单个数组的函数有如下： 用于操作两个或多个数组的方法 相关的函数方法使用 np.meshgrid 用于生成多维矩阵 a,b=np.meshgrid(np.arange(1,5),np.arange(2,4)) print(a) print(b) 结果为： [[1 2 3 4] [1 2 3 4]] [[2 2 2 2] [3 3 3 3]] 按照数据最少的数组形成数组 np.where 是三元表达式  x if  condition  else y的矢量化版本 arr1=np.arange(5) arr2=np.arange(20,25) condition=np.array([1,0,1,0,0]) result=np.where(condition,arr1,arr2) print(arr1) print(arr2) print(result) 结果为： [0 1 2 3 4] [20 21 22 23 24] [ 0 21 2 23 24] 可以看出，result的结果中，条件为1的显示数组arr1的内容，条件为0的显示arr2的内容 数学统计方法 在数组中我们也可以使用数学统计方法进行计数，例如sum mean  std  等 arr=np.random.randint(1,20,10) print(arr) print(np.mean(arr)) print(np.sum(arr)) print(np.std(arr)) 结果为： [19 14 8 13 13 10 10 9 19 7] 12.2 122 4.01995024845 具体的方法内容如下图所示： 布尔型数组的相关统计方法 arr=np.arange(-20,10) result=(arr>5).sum() print(arr) print(result) 结果为： -20 -19 -18 -17 -16 -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9] 4 可以对数据进行判断后进行个数求和 其他的数组方法还有 数据的读取和存储   线性函数的常用方法 arr=np.array([np.random.randint(1,10,5),np.random.randint(10,20,5)]) print(arr) print(np.dot(arr,2)) 结果为 [[ 4 6 5 1 6] [14 16 11 10 18]] [[ 8 12 10 2 12] [28 32 22 20 36]] dot方法可以进行矩阵相乘操作 其他方法如下图   最后我们了解下numpy中的随机数生成方法 上面的很多例子中我们已经用到了随机数生成， arr=np.random.random(10) print(arr) 结果为 [ 0.90051063 0.72818635 0.00411373 0.13154345 0.45513344 0.9700776 0.42150977 0.27728599 0.50888291 0.62288808] 其他形式的随机数生成方法 更多python中numpy基础学习及进行数组和矢量计算相关文章请关注PHP中文网！