NumPy 関数を解析するための完全なガイド

NumPy (数値 Python) は、多次元配列オブジェクトと配列を操作するためのツールを提供するオープンソースの Python 科学計算ライブラリです。これは、Python データ サイエンス エコシステムのコア ライブラリの 1 つであり、科学技術コンピューティング、データ分析、機械学習などの分野で広く使用されています。この記事では、配列の作成、配列演算、数学関数、統計関数、線形代数など、NumPy ライブラリでよく使用される関数を 1 つずつ分析し、具体的なコード例を示します。

1. 配列の作成
   NumPy には、配列を作成するためのさまざまなメソッドが用意されており、次元、データ型、および初期化値を指定することで配列を作成できます。一般的に使用される関数は次のとおりです。

1.1 numpy.array(): リストまたはタプルから配列を作成します。

import numpy as np

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

# 输出：[1 2 3 4 5]

1.2 numpy.zeros(): 指定された次元のすべてゼロの配列を作成します。

import numpy as np

arr = np.zeros((3, 4))
print(arr)

"""
输出：
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
"""

1.3 numpy.ones(): 指定された次元の all-one 配列を作成します。

import numpy as np

arr = np.ones((2, 3))
print(arr)

"""
输出：
[[1. 1. 1.]
 [1. 1. 1.]]
"""

1.4 numpy.arange(): 算術配列を作成します。

import numpy as np

arr = np.arange(0, 10, 2)
print(arr)

# 输出：[0 2 4 6 8]

2. 配列操作
   NumPy は、形状操作、インデックス付けとスライス、拡張とスタッキング、配列の転置など、配列操作のための多くの関数を提供します。一般的に使用される関数は次のとおりです。

2.1 reshape(): 配列の形状を変更します。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
new_arr = arr.reshape((3, 2))
print(new_arr)

"""
输出：
[[1 2]
 [3 4]
 [5 6]]
"""

2.2 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を操作します。

import numpy as np

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

2.3 concatenate(): 2 つ以上の配列を連結します。

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.concatenate((arr1, arr2))
print(arr)

# 输出：[1 2 3 4 5 6]

2.4 transpose(): 配列を転置します。

import numpy as np

arr = np.array([[1, 2], [3, 4]])
new_arr = np.transpose(arr)
print(new_arr)

"""
输出：
[[1 3]
 [2 4]]
"""

3. 数学関数
   NumPy は、数値演算、三角関数、対数関数、指数関数など、豊富な数学関数を提供します。一般的に使用される関数は次のとおりです。

3.1 np.mean(): 配列の平均を計算します。

import numpy as np

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

# 输出：3.0

3.2 np.sin(): 配列要素の正弦値を計算します。

import numpy as np

arr = np.array([0, np.pi/2, np.pi])
sin = np.sin(arr)
print(sin)

# 输出：[0.         1.         1.2246468e-16]

3.3 np.exp(): 配列要素に対して指数演算を実行します。

import numpy as np

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

# 输出：[ 2.71828183  7.3890561  20.08553692]

4. 統計関数
   NumPy は、最大値、最小値、中央値、分散、標準偏差など、一般的に使用される統計関数を提供します。一般的に使用される関数は次のとおりです。

4.1 np.max(): 配列の最大値を計算します。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
max_value = np.max(arr)
print(max_value)

# 输出：5

4.2 np.min(): 配列の最小値を計算します。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
min_value = np.min(arr)
print(min_value)

# 输出：1

4.3 np.median(): 配列の中央値を計算します。

import numpy as np

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

# 输出：3.0

4.4 np.var(): 配列の分散を計算します。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
variance = np.var(arr)
print(variance)

# 输出：2.0

5. 線形代数
   NumPy は、行列の乗算、行列の逆行列、行列の行列式などの基本的な線形代数演算関数を提供します。一般的に使用される関数は次のとおりです。

5.1 np.dot(): 2 つの配列のドット積を計算します。

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
dot_product = np.dot(arr1, arr2)
print(dot_product)

"""
输出：
[[19 22]
 [43 50]]
"""

5.2 np.linalg.inv(): 逆行列を計算します。

import numpy as np

arr = np.array([[1, 2], [3, 4]])
inverse = np.linalg.inv(arr)
print(inverse)

"""
输出：
[[-2.   1. ]
 [ 1.5 -0.5]]
"""

上記は NumPy ライブラリの関数の一部にすぎません。これらの一般的な関数の使用方法を理解することで、NumPy をより効率的に使用して、配列演算、数学演算、統計解析、そして線形代数。同時に、NumPy ライブラリの関連ドキュメントを徹底的に研究することで、科学計算作業を強力にサポートするためのより強力な機能を発見できます。

以上がNumPy 関数を解析するための完全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。