Numpy ライブラリでよく使用される関数の包括的なリスト: クイック スタートおよび実践ガイド

Numpy ライブラリは、Python で最も一般的に使用されるデータ処理ライブラリの 1 つであり、その効率的で便利な操作方法によりデータ アナリストに広く愛されています。 Numpy ライブラリには、データ処理タスクを迅速かつ効率的に完了するのに役立つ一般的に使用される関数が多数あります。この記事では、読者がより早く Numpy ライブラリを使い始めることができるように、一般的に使用される Numpy 関数をいくつか紹介し、コード例と実用的なアプリケーション シナリオを提供します。

1. 配列を作成します

1. numpy.array

関数プロトタイプ: numpy.array(object, dtype=None, copy=True, order = 'K'、subok=False、ndmin=0)

関数の説明: リストなどのオブジェクトを配列に変換します。

コード例:

import numpy as np

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

2. numpy.zeros

関数プロトタイプ: numpy.zeros(shape, dtype=float, order='C')

関数の説明: 指定された形状のすべて 0 の配列を作成します。

コード例:

import numpy as np

a = np.zeros((2, 3))
print(a)  # 输出 [[0. 0. 0.]
          #      [0. 0. 0.]]

3. numpy.ones

関数プロトタイプ: numpy.ones(shape, dtype=None, order='C')

関数の説明: 指定された形状の all-one 配列を作成します。

コード例:

import numpy as np

a = np.ones((2, 3))
print(a)  # 输出 [[1. 1. 1.]
          #      [1. 1. 1.]]

4. numpy.arange

関数プロトタイプ: numpy.arange(start, stop, step, dtype=None)

関数の説明: 算術シーケンス配列を作成します。

コード例:

import numpy as np

a = np.arange(0, 10, 2)
print(a)  # 输出 [0 2 4 6 8]

2. 配列操作

1. numpy.reshape

関数プロトタイプ: numpy.reshape(a , newshape, order='C')

関数の説明: 配列 a を指定された形状の新しい配列に変換します。

コード例:

import numpy as np

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

2. numpy.transpose

関数プロトタイプ: numpy.transpose(a, axes=None)

関数の説明: 配列を転置します。

コード例:

import numpy as np

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

3. numpy.concatenate

関数プロトタイプ: numpy.concatenate((a1, a2, ...), axis= 0)

関数の説明: 配列に対してスプライシング操作を実行します。

コード例:

import numpy as np

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

3. 配列計算

1. numpy.abs

関数プロトタイプ: numpy.abs(x , args, *kwargs)

関数の説明: 配列内の各要素の絶対値を計算します。

コード例:

import numpy as np

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

2. numpy.round

関数プロトタイプ: numpy.round(a, decimals=0, out=None)

関数の説明: 配列内の要素を丸めます。

コード例:

import numpy as np

a = np.array([1.3, 2.6, 3.2])
b = np.round(a)
print(b)  # 输出 [1. 3. 3.]

3. numpy.sum

関数プロトタイプ: numpy.sum(a, axis=None)

関数の説明: 配列内の各要素の合計を計算します。

コード例:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.sum(a, axis=0)
print(b)  # 输出 [4 6]

4. 一般的に使用される数学関数

1. numpy.exp

関数プロトタイプ: numpy.exp( x , args, *kwargs)

関数の説明: 配列内の各要素の指数関数値を計算します。

コード例:

import numpy as np

a = np.array([1, 2, 3])
b = np.exp(a)
print(b)  # 输出 [ 2.71828183  7.3890561  20.08553692]

2. numpy.log

関数プロトタイプ: numpy.log(x, args, *kwargs )

関数の説明: 配列内の各要素の自然対数を計算します。

コード例:

import numpy as np

a = np.array([1, 2, 3])
b = np.log(a)
print(b)  # 输出 [0.         0.69314718 1.09861229]

3. numpy.sqrt

関数プロトタイプ: numpy.sqrt(x, args, *kwargs )

関数の説明: 配列内の各要素の平方根を計算します。

コード例:

import numpy as np

a = np.array([1, 4, 9])
b = np.sqrt(a)
print(b)  # 输出 [1. 2. 3.]

5. 実際のアプリケーション シナリオ

1. 多項式関数のシミュレーション

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5, 5, num=50)
y = np.power(x, 3) - 3 * np.power(x, 2) + 2 * x + 1

plt.plot(x, y)
plt.show()

2. 配列加重和

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([0.1, 0.2, 0.3, 0.4])

result = np.sum(a * b)
print(result)  # 输出 2.0

3. 配列の並べ替え

import numpy as np

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

print(b)  # 输出 [1 2 3 4]

概要:

この記事では、Numpy ライブラリの一般的な関数とアプリケーション シナリオをいくつか紹介します。演算、配列の計算、およびいくつかの数学関数。これらの機能を実際の利用シーンに合わせて柔軟に活用することで、データ処理をより効率的かつ便利に行うことができます。 Numpy ライブラリの理解と習熟をさらに深めるために、読者自身がコードを書いて練習することをお勧めします。

以上がNumpy ライブラリでよく使用される関数の包括的なリスト: クイック スタートおよび実践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。