numpy 関数とその使用法の完全なリスト: numpy ライブラリのすべての関数の詳細な説明

numpy 関数百科事典: numpy ライブラリ内のすべての関数とその使用法の詳細な説明。特定のコード例が必要です。

はじめに:

データの分野分析や科学計算では、多くの場合、大規模な数値データを処理する必要があります。 Numpy は Python で最も一般的に使用されているオープン ソース ライブラリであり、効率的な多次元配列オブジェクトと配列を操作するための一連の関数を提供します。この記事では、numpy ライブラリのすべての関数とその使用法を詳細に紹介し、読者が numpy ライブラリをよりよく理解して使用できるように、具体的なコード例を示します。

1. 配列の作成と変換

np.array(): 配列を作成し、入力データを ndarray オブジェクトに変換します。

import numpy as np

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

出力結果は次のとおりです:

2. [1 2 3 4 5]

np.arange(): 算術配列を作成します。

import numpy as np

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

出力結果は次のとおりです:

3. [0 2 4 6 8]

np.zeros(): 要素がすべて 0 である配列を作成します。

import numpy as np

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

出力結果は次のとおりです:

4. [[0. 0. 0.]
    [0. 0. 0.]]

np.ones(): すべての要素が 1 である配列を作成します。

import numpy as np

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

出力結果は次のとおりです:

5. [[1. 1. 1.]
    [1. 1. 1.]]

np.linspace(): 等間隔の配列を作成します。

import numpy as np

arr = np.linspace(0,1,5)
print(arr)

出力結果は次のとおりです:

6. [0.   0.25 0.5  0.75 1.  ]

np.eye(): 対角が 1 の行列を作成します。

import numpy as np

arr = np.eye(3)
print(arr)

出力結果は次のとおりです:

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

2. 配列の操作と計算

配列形状の操作

np.reshape(): 配列の形状を変更します。

import numpy as np

arr = np.arange(1, 10)
arr_reshape = np.reshape(arr, (3, 3))
print(arr_reshape)

出力結果は次のとおりです:

• [[1 2 3]
   [4 5 6]
   [7 8 9]]

arr. flatten(): 多次元配列を 1 次元配列に変換します。

import numpy as np

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

出力結果は次のとおりです:

2. [1 2 3 4 5 6]

配列要素の操作

np.sort(): 配列要素の操作ソート。

import numpy as np

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

出力結果は次のとおりです。

• [1 2 3 4 5]

np.argmax(): 配列内の最大要素のインデックスを返します。

import numpy as np

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

出力結果は次のとおりです:

3. 2

配列操作

np.add(): 2 つの配列を追加します。

import numpy as np

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

出力結果は次のとおりです:

• [5 7 9]

np.dot(): 2 つの配列のドット乗算。

import numpy as np

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

出力結果は次のとおりです:

32

3. 統計関数と線形代数関数

統計関数

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)

出力結果は次のとおりです:

• 3.0

np.std(): 配列の標準偏差を計算します。

import numpy as np

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

出力結果は次のとおりです:

2. 1.4142135623730951

線形代数関数

np.linalg.det():行列行列式。

import numpy as np

matrix = np.array([[1, 2], [3, 4]])
det = np.linalg.det(matrix)
print(det)

出力結果は次のとおりです:

• -2.0000000000000004

np.linalg.inv(): 行列の逆行列を計算します。

import numpy as np

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

出力結果は:

[[-2.   1. ]
 [ 1.5 -0.5]]

IV. 補助関数と一般関数

補助関数

np.loadtxt(): テキスト ファイルからデータを読み込みます。

• import numpy as np
  
  arr = np.loadtxt('data.txt')
  print(arr)

np.savetxt(): データをテキスト ファイルに保存します。

2. import numpy as np
   
   arr = np.array([1, 2, 3, 4, 5])
   np.savetxt('data.txt', arr)

一般関数

np.sin(): 配列内の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_val = np.sin(arr)
print(sin_val)

出力結果は次のとおりです:

• [0.         1.         1.2246468e-16]

np.exp(): 配列内の要素の指数値を計算します。

import numpy as np

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

出力結果は次のとおりです:

[ 2.71828183  7.3890561  20.08553692]

###この記事では、numpy ライブラリの関数のほんの一部のみを示します。numpy には、より強力な関数や機能があります。読者の皆様には、実際のプログラミングにおいて numpy ライブラリの機能を柔軟に活用して、データ処理の効率と精度を向上していただければ幸いです。 ###

以上がnumpy 関数とその使用法の完全なリスト: numpy ライブラリのすべての関数の詳細な説明の詳細内容です。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。