PythonのJupiter notebookでの出力

【PythonとJupiter notebook】

▼グラフに数値を出力する

import numpy as np

np.random.seed(シード値)
y = np.random.randint(整数値の下限, 整数値の上限, 整数の個数)
print(y)

#例
import numpy as np

np.random.seed

y = np.random.randint(1,100,10) #10は10個の整数の値が並ぶ
print(y)


#yの値をグラフで描画する
import numpy as np

np.random.seed

x = np.arange(10) #0~9までの１０個の数値でできた配列を代入する
y = np.random.randint(1,100,10) #10は10個の整数の値が並ぶ
print(x)
print(y)

#出力結果
[0 1 2 3 4 5 6 7 8 9]
[96 38 81 59 88 19 14 13 71 90]

▼上記の出力結果をグラフで描画する

import matplotlib.pyplot as plt

plt.plot(x,y)
plt.show()
[<matplotlib.lines.Line2D at 0x7f922af5f668>]

▽二次元配列を一次元配列にする

import numpy as np

array_2d = np.array([[1,2,3], [4,5,6]])
array_1d = array_2d.ravel()

print(array_1d.shape)
print(array_1d)

▽scikit learnで学習と予測

import cv2
import numpy as np
from matplotlib import pyplot as plt
import pandas as pd

targets_data = pd.read_csv['y_classified.csv'] #csvを読み込む
print(targets_data['Kirishima'])

#出力結果
0     1
1     0
2     1
3     0
4     1
     ..
95    1
96    0
97    1
98    1
99    1
Name: Kirishima, Length: 100, dtype: int64

長さ１００のデータが読み込めていることがわかる

▽特徴ベクトルとして画像そのままのピクセル値を利用してみる

images = []
for in range(100):#images関数にグレースケールを読み込む

for i in range(100):
    file = ('images/%03d.png' % (i))
    img = cv2.imread(file,cv2.IMREAD_GRAYSCALE)
    images.append(img)

▽次に読み込んだ画像のピクセル値を１次元配列にしてimagesデータに保存していく

images_data = np.empty((100,len(images[0].ravel())),int)
for i in range(100):
images_data[i] = np.array([images[i].ravel()])

#imagesデータのシェイプを表示してみる
print(images_data.shape)

(100, 163125)#画像の特徴ベクトルとして長さ１６万の配列が１００こ保存された

【感想】
なるほど、わからん…。

学習させる際はうまく分類させることができるかのテストも必要。