科学技術計算ライブラリの1 numpyの基礎
1.1 numpyのは何ですか
numpyの（数値のPython）は、拡張ライブラリPython言語でアレイとマトリックス演算の次元数をサポートし、加えて、それは配列操作のための数学ライブラリの多くを提供します。
数値numpyのの前身は2005年に初めて、他の協力者とのジム・ハグニンによって開発された、トラヴィスオリファント数値はNumarrayライブラリーの特性の自然の中で互いに組み合わせ、およびnumpyのの他の拡大・発展に参加しました。numpyのは、オープンソースであると共同で多くの協力者の発展を守ります。
numpyのであって、主に配列を計算するため、非常に高速な数学ライブラリを実行しています：
- 強力なN次元配列オブジェクトndarray
- ブロードキャストのパフォーマンス機能
- C / C ++ / Fortranコードツールの統合
- 線形代数、フーリエ変換、乱数生成機能
1.2アレイ（行列）を作成
＃コーディング8 = UTF- インポートnumpyのNP AS 位配列numpyのギブndarray入力を生成するために使用さ T1 = np.array（[1,2,3 、]） 印刷（T1） プリント（型（T1）） T2 = NPを。アレイ（レンジ（10 ）） プリント（T2） プリント（型（T2）） T3 = np.arange（4,10,2 ） プリント（T3） プリント（型（T3）） プリント（t3.dtype）
業績
1.3データ型
| 名前 | 説明 |
|---|---|
| bool_ | Booleanデータ型（TrueまたはFalse） |
| INT_ | （長いC言語、INT32またはInt64型に似て）デフォルトの整数型 |
| INTC | 同じタイプCとINTは、INTは、一般的に64またはINT32であります |
| INTP | インデックスの整数型のための（一般INT32またはInt64のままssize_tの、C様） |
| INT8 | バイト（127 -128） |
| INT16 | 整数（-32768〜32767） |
| INT32 | 整数（-2147483648 2147483647まで） |
| int64モード | 整数（9223372036854775807に-9223372036854775808） |
| UINT8 | 符号なし整数（0〜255） |
| uint16の | 符号なし整数（0〜65535） |
| UINT32 | 符号なし整数（0 4294967295）に |
| UINT64 | 符号なし整数（0 18446744073709551615まで） |
| 浮く_ | 速記の種類のfloat64 |
| float16 | 半精度浮動小数点数であって、符号ビット、5ビットの指数部、10仮数ビット |
| float32 | 含む単精度浮動小数点数、：符号ビットは、8つの指数部、23仮数ビット |
| float64 | 含む倍精度浮動小数点、：符号ビット、11個の指数ビットを、52ビットの仮数 |
| 繁雑_ | complex128速記タイプ、即ち、128ビットの複数 |
| complex64 | 複雑な、32ビット浮動小数点数は、ビス（実数部と虚数部）を表します |
| complex128 | 複雑な、64ビットの浮動小数点数は、ビス（実数部と虚数部）を表します |
＃コーディング8 = UTF- インポートnumpyのAS NP インポートランダムの ＃1 INT8、Int16型、のInt32、Int64の4つのデータタイプは文字列を使用することができる'I1'、 'I2'、 'I4'、 'I8' の代わりに 、T1 = np.array（範囲（1,4）、DTYPE = " I1 " ） プリント（T1） プリント（t1.dtype） ＃bool型で#numpy T2 = np.array（[1,1,0,1,0,0]、 = DTYPE BOOL） プリント（T2） プリント（t2.dtype） ＃調整データが入力 T3 = t2.astype（" INT8 " ） プリント（T3） プリント（t3.dtype） ＃numpyの小数の T4 = np.arrayを（[ランダム。ランダム（）用 I における範囲（10 ）]） 、印刷（T4） プリント（t4.dtype） T5 = np.round（t4,2 ） プリント（T5）
結果：
1.4形状アレイ
＃コーディング8 = UTF- インポートnumpyのNP AS A = np.array（[3,4,5,6,7,8]、[-4,5,6,7,8,9- ]]） プリント（A） ＃チェックアレイ状の 印刷（a.shape） ＃は、アレイ形状変更 プリント（a.reshape（3,4 ）） ＃元の形状不変アレイ プリント（a.shape） B = a.reshape（3,4- ） プリント（B .shape） プリント（B） ＃1次元データにアレイ プリント（b.reshape（プレート1,12 ）） プリント（b.flatten（））
結果：
アレイの合計は、1.5を計算します
＃コーディング8 = UTF- インポートnumpyのNP AS A = np.array（[3,4,5,6,7,8]、[-4,5,6,7,8,9- ]]） プリント（A） ＃加算減算 プリント（A + 5 ） プリント（5-A ） ＃1 乗算分割 印刷（A * 3 ） プリント（A / 3）
結果：
1.6計算アレイおよびアレイ
＃コーディング8 = UTF- インポートnumpyのNP AS A = np.array（[3,4,5,6,7,8]、[-4,5,6,7,8,9- ]]） B = NP。アレイ（[21,22,23,24,25,26]、[27,28,29,30,31,32 ]]） ＃1 減算アレイおよびアレイ プリント（+ B） プリント（A- B ） ＃のアレイおよびアレイ乗算と除算 プリント（* B） プリント（/ B）
結果：
コンピューティングのアレイの異なる寸法：
＃コーディング8 = UTF- インポートnumpyのNP AS A = np.array（[3,4,5,6,7,8]、[-4,5,6,7,8,9- ]]） C = NP。アレイ（[1,2,3,4]、[5,6,7,8]、[9,10,11,12 ]]） ＃異なる寸法のアレイ計算 プリント（* C）
結果：
＃コーディング8 = UTF- インポートnumpyのNP AS ＃2行6列 A = np.array（[3,4,5,6,7,8] 、[-4,5,6,7,8,9- ]]） ＃アレイの1行6 C = np.array（[1,2,3,4,5,6 ]） プリント（A- C） プリント（* C）
結果：
＃コーディング8 = UTF- インポートnumpyのNP AS ＃2行6列 A = np.array（[3,4,5,6,7,8] 、[-4,5,6,7,8,9- ]]） ＃アレイ6の1行である C = np.array（[1]、[2 ]） を印刷（+ C） プリント（* C） プリント（* C）
結果：
