- Numpyの使用方法。
numpy_example.py
# Jupyterを使用
import numpy as np
my_list1 = [1, 2, 3, 4]
my_array1 = np.array(my_list1)
my_array1 #Out: array([1, 2, 3, 4])
my_list2 = [11, 22, 33, 44]
my_lists = [my_list1, my_list2]
my_lists #Out: [[1, 2, 3, 4,], [11, 22, 33, 44]]
my_array2 = np.array(my_lists)
my_array2 #Out: array([[1, 2, 3, 4], [11, 22, 33, 44]])
my_array2.shape #Out: (2, 4)
# 'shape'属性は二行四列がタプルで入っている
my_array2.dtype #Out: dtype('int64')
np.zeros(5) #Out: array([0, 0, 0, 0, 0])
# => my_zeroes = np.zeroes(5)
np.ones((5, 5))
# Out: array([[1., 1., 1., 1., 1.],
# [1., 1., 1., 1., 1.],
# [1., 1., 1., 1., 1.],
# [1., 1., 1., 1., 1.],
# [1., 1., 1., 1., 1.]])
np.eye(5) # 単位行列の作成
# Out: array([[1., 0., 0., 0., 0.],
# [0., 1., 0., 0., 0.],
# [0., 0., 1., 0., 0.],
# [0., 0., 0., 1., 0.],
# [0., 0., 0., 0., 1.]])
np.arange(5)
# Out: array([0, 1, 2, 3, 4])
np.arange(5, 50, 2)
# Out: array([ 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, 49])
#もし5/2の出力が'2'ならば、以下をインポート。もし'2.5'ならば必要なし。
from __future__ import division
##########################################################################
arr1 = np.array([[1, 2, 3, 4], [8, 9, 10, 11]])
arr1 * arr1
#Out: array([[ 1, 4, 9, 16], [ 64, 81, 100, 121]])
arr1 - arr1
#Out: array([[0, 0, 0, 0], [0, 0, 0, 0]])
1 / arr1
#Out: array([[1. , 0.5 , 0.33333333, 0.25 ],
# [0.125 , 0.11111111, 0.1 , 0.09090909]])
arr1 ** 3 # ３乗
#Out: array([[ 1, 8, 27, 64],
# [ 512, 729, 1000, 1331]])
##################################################################
arr = np.arange(0, 11)
arr[1:5] #Out: array([0, 1, 2, 3, 4])
arr[0:5] = 100 #Out: array([100, 100, 100, 100, 100, 5, 6, 7, 8, 9, 10])
slice_arr = arr[0:6]
slice_arr #Out: array([0, 1, 2, 3, 4, 5])
slice_arr[:] = 99
slice_arr #Out: array([99, 99, 99, 99, 99, 99])
arr_copy = arr.copy() #arrをコピーする
arr_2d = np.array([[5, 10, 15],[20, 25, 30], [35, 40, 45]]) #二次元array
arr_2d
#Out: array([[ 5, 10, 15],
# [20, 25, 30],
# [35, 40, 45]])
arr_2d[1, 0] #Out: 20
arr_2d[:2, 1:]
#Out: array([[10, 15],
# [25, 30]])
arr2d = np.zeros((10, 10))
arr_length = arr2d.shape[1]
for i in range(arr_length):
arr2d[i] = i
# Out:array([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
# [1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
# [2., 2., 2., 2., 2., 2., 2., 2., 2., 2.],
# [3., 3., 3., 3., 3., 3., 3., 3., 3., 3.],
# [4., 4., 4., 4., 4., 4., 4., 4., 4., 4.],
# [5., 5., 5., 5., 5., 5., 5., 5., 5., 5.],
# [6., 6., 6., 6., 6., 6., 6., 6., 6., 6.],
# [7., 7., 7., 7., 7., 7., 7., 7., 7., 7.],
# [8., 8., 8., 8., 8., 8., 8., 8., 8., 8.],
# [9., 9., 9., 9., 9., 9., 9., 9., 9., 9.]])
################################################################
arr = np.arange(9).reshape((3, 3))
arr
#Out: array([[0, 1, 2],
# [3, 4, 5],
# [6, 7, 8]])
arr.T # Transpose
#Out: array([[0, 3, 6],
# [1, 4, 7],
# [2, 5, 8]])
arr.swapaxes(0, 1)
#Out: array([[0, 3, 6],
# [1, 4, 7],
# [2, 5, 8]])
np.dot(arr.T, arr) #行列の掛け算
#Out: array([[45, 54, 63],
# [54, 66, 78],
# [63, 78, 93]])
arr3d = np.arange(12).reshape((3, 2, 2))
arr3d
#Out: array([[[ 0, 1],
# [ 2, 3]],
# [[ 4, 5],
# [ 6, 7]],
# [[ 8, 9],
# [10, 11]]])
arr3d.transpose((0, 2, 1))
#Out: array([[[ 0, 2],
# [ 1, 3]],
# [[ 4, 6],
# [ 5, 7]],
# [[ 8, 10],
# [ 9, 11]]])
#############################################################
arr = np.arange(11)
np.sqlt(arr) #平方根の計算
np.exp(arr) #exponentialの計算
A = np.random.randn(10) #正規分布に従う乱数を生成
B = np.random.randn(10)
np.add(A, B) #足し算
np.maximum(A, B) #A,Bの各要素の最大値を取り出す
##############################
### Arrayを使用したデータ処理 ####
##############################
import matplotlib.pyplot as plt
%matplotlib inline
points = np.arange(-5, 5, 0.01)
dx, dy = np.meshgrid(points, points)
dx
#Out: array([[-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],
# [-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],
# [-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],
# ...,
# [-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],
# [-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99],
# [-5. , -4.99, -4.98, ..., 4.97, 4.98, 4.99]])
dy
#Out: array([[-5. , -5. , -5. , ..., -5. , -5. , -5. ],
# [-4.99, -4.99, -4.99, ..., -4.99, -4.99, -4.99],
# [-4.98, -4.98, -4.98, ..., -4.98, -4.98, -4.98],
# ...,
# [ 4.97, 4.97, 4.97, ..., 4.97, 4.97, 4.97],
# [ 4.98, 4.98, 4.98, ..., 4.98, 4.98, 4.98],
# [ 4.99, 4.99, 4.99, ..., 4.99, 4.99, 4.99]])
A = np.array([1, 2, 3, 4])
B = np.array([1000, 2000, 3000, 4000])
condition = np.array([True, True, False, False])
answer = [(a if cond else b) for a, b, cond in zip(A, B, condition)]
answer
#Out: [1, 2, 3000, 4000]
answer2 = np.where(condition, A, B)
answer2
#Out: array([1, 2, 3000, 4000])
from numpy.random import randn
arr = randn(5, 5) # 正規分布
np.where(arr < 0, 0, arr)
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
arr.sum() #全ての要素の足し算
arr.sum(0) # 0 => 行を示す。
# Out: array([12, 15, 18])
arr.std() #標準偏差
arr.var() #標準偏差の平均
bool_arr = np.array([True, False, True])
bool_arr.any() #1つでもTrueがあれば、Trueを返す。
#Out: True
bool_arr.all() #全てがTrueであるかどうか。
#Out: False
arr = randn(5)
arr.sort() #小さい順に並べる
countries = np.array(['France', 'Japan', 'USA', 'Russia', 'USA', 'Mexico', 'Japan'])
np.unique(countries) #重複を調べる（数字にも使える）
np.in1d(['France', 'USA', 'Sweden'], countries) # 第一引数の各要素がcountries内に存在するかどうか調べる。True/Falseで返す。
#Out: array([True, True, False])
#################################################################
arr = np.arange(5)
np.save('my_array', arr) #バイナリーとして保存
np.load('my_array.npy')
#Out: array([0, 1, 2, 3, 4])
arr2 = np.arange(10)
np.savez('ziparrays.npy', x=arr1, y=arr2)
archive_array = np.load('ziparrays.npy')