データ分析と科学技術計算に numpy ライブラリを使用する方法を学びます

情報時代の到来により、データ分析と科学技術コンピューティングはますます多くの分野で重要な役割を果たしています。この過程において、データ処理と分析のためのコンピュータの使用は不可欠なツールとなっています。 Python では、numpy ライブラリは非常に重要なツールであり、これを使用すると、データをより効率的に処理および分析し、より速く結果を得ることができます。この記事では、numpy の一般的な機能と使い方を紹介し、さらに深く学ぶのに役立つ具体的なコード例をいくつか示します。

1. numpy ライブラリのインストールと呼び出し

始める前に、まず numpy ライブラリをインストールする必要があります。コマンドラインに次のコマンドを入力するだけです:

!pip install numpy

インストールが完了したら、プログラム内で numpy ライブラリを呼び出す必要があります。次のステートメントを使用できます。

import numpy as np

ここでは、import コマンドを使用して numpy ライブラリをプログラムに導入し、エイリアス np を使用して図書館の名前。このエイリアスは個人の好みに応じて変更できます。

2. numpy ライブラリの一般的に使用される関数

numpy ライブラリは科学技術計算に特化して使用されるライブラリであり、次の特徴があります:

• High 高性能の多次元配列計算
• 配列に対する高速な数学演算と論理演算の実行
• 多数の数学関数ライブラリと行列計算ライブラリ
• のためのツールディスク ファイルの読み取りと書き込み

numpy ライブラリの一般的な関数をいくつか紹介しましょう。

2.1 numpy 配列の作成

numpy の最も重要な機能の 1 つは、配列を作成することです。配列を作成する最も簡単な方法は、np.array() 関数を使用することです。例:

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

このコード行は、値 [1, 2, 3] を含む 1 次元配列を作成します。

たとえば、多次元配列を作成することもできます。

arr2d = np.array([[1, 2, 3], [4, 5, 6]])

この文は、2 つの [1,2,3] と # を含む 1 次元配列を作成します。 ## [4,5,6] は 2 次元配列です。

次のようないくつかのプリセット関数を使用して配列を作成することもできます。

zeros_arr = np.zeros((3, 2))   # 创建一个二维数组，每个元素为0
ones_arr = np.ones(4)          # 创建一个一维数组，每个元素为1
rand_arr = np.random.rand(3,4) # 创建一个3行4列的随机数组

2.2 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、numpy 配列にアクセスしたりアクセスしたりできます。操作を変更します。 1 次元配列の場合は、次のメソッドを使用してアクセスできます。

arr = np.array([1, 2, 3, 4, 5])
print(arr[0])    # 输出第一个元素
print(arr[-1])   # 输出最后一个元素
print(arr[1:3])  # 输出索引为1到2的元素
print(arr[:3])   # 输出前三个元素
print(arr[3:])   # 输出后三个元素

多次元配列の場合、次のメソッドを使用してアクセスできます。

arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr2d[0][0])   # 输出第一行第一个元素
print(arr2d[1, :])   # 输出第二行所有元素
print(arr2d[:, 1])   # 输出第二列所有元素

2.3 配列操作

numpy はさまざまな配列操作メソッドを提供します。具体的には、これらの演算には、加算、減算、乗算、除算、平均、分散、標準偏差、内積などが含まれます。

arr = np.array([1, 2, 3])
print(arr + 1)   # 对数组每个元素加1
print(arr * 2)   # 对数组每个元素乘2
print(arr / 3)   # 对数组每个元素除以3
print(np.mean(arr))    # 求数组平均数
print(np.var(arr))     # 求数组方差
print(np.std(arr))     # 求数组标准差

2.4 配列形状の変換

場合によっては、numpy 配列の形状を変換する必要があります。 Numpy は、この目的のために多くの実用的なツールを提供します。

arr = np.array([1, 2, 3, 4, 5, 6])
print(arr.reshape((2, 3)))    # 将数组改变成两行三列的形状
print(arr.reshape((-1, 2)))   # 将数组改变成两列的形状
print(arr.reshape((3, -1)))   # 将数组改变成三行的形状

2.5 行列計算

numpy は、ドット積や変換などの多数の行列計算ツールも提供します。

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
print(np.dot(arr1, arr2))    # 计算两个矩阵的点积
print(arr1.T)               # 将矩阵进行转置

コード例

次に、numpy の使用方法をよりよく理解するのに役立つ具体的なコード例をいくつか示します。

3.1 ランダムな配列を作成し、平均を計算します

arr = np.random.rand(5, 3)    # 创建一个5行3列的随机数组
print(arr)
print(np.mean(arr))           # 计算数组元素的平均值

出力:

[[0.36112019 0.66281023 0.76194693]
 [0.13728812 0.2015571  0.2047288 ]
 [0.90020599 0.46448655 0.31758295]
 [0.9980158  0.56503496 0.98733627]
 [0.84116752 0.68022348 0.49029864]]
0.5444867833241556

3.2 配列の標準偏差と分散を計算します

arr = np.array([1, 2, 3, 4, 5])
print(np.std(arr))    # 计算数组的标准差
print(np.var(arr))    # 计算数组的方差

出力:

1.4142135623730951
2.0

3.3 配列を行列に変換し、行列のドット積を計算します

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
mat1 = np.mat(arr1)    # 将数组转换成矩阵
mat2 = np.mat(arr2)    
print(mat1 * mat2)     # 计算矩阵点积

出力:

[[19 22]
 [43 50]]

この記事では、numpy ライブラリの一般的な関数と使用法を紹介します。 numpy の使用をより深く理解するのに役立つ具体的なコード例をいくつか示します。日常生活においてデータ分析と科学計算の重要性が高まり続けるにつれ、numpy ライブラリの普及も促進されました。この記事が、皆さんが numpy の使い方をよりよくマスターして、データをより効率的に処理および分析できるようになれば幸いです。

以上がデータ分析と科学技術計算に numpy ライブラリを使用する方法を学びますの詳細内容です。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。