参照リンク:Pythonのnumpy.full_like
目次
N次元配列オブジェクト:ndarrayの例ndarrayオブジェクトの属性ndarray配列要素のタイプndarray配列の作成方法Pythonのリスト、タプル、その他のタイプからndarray配列を作成し、NumPy関数を使用してndarray配列を作成する方法
ndarray配列の次元変換ndarrayタイプ変換ndarray配列からリストへの変換
ndarray配列操作インデックスと配列のスライス
ndarray配列の操作NumPy単項関数NumPyバイナリ関数
N次元配列オブジェクト:ndarray
引例
>>> numpyをnpとしてインポート
>>> def npSum():
a = np.array([0、1、2、3、4])
b = np.array([9、8、7、6、5])
c = a ** 2 + b ** 3
cを返す
>>> print(npSum())
[729 513 347 225 141]
ndarrayオブジェクトのプロパティ
プロパティの説明。Ndimランク、つまり軸の数または次元の数。shapendarrayオブジェクトのスケール。行列の場合、n行およびm列の数。sizendarrayオブジェクトの要素の数は次のようになります。 .shapeのn * mの値。dtypendarrayオブジェクトの要素type.itemsizendarrayオブジェクトの各要素のサイズ(バイト単位)
>>> numpyをnpとしてインポート
>>> a = np.array([[0、1、2、3、4]、[5、6、7、8、9]])
>>> a.ndim
2
>>> a.shape
(2、5)
>>> a.size
10
>>> a.dtype
dtype( 'int32')
>>> a.itemsize
4
ndarray配列の要素タイプ
データ型の説明boolブール型、TrueまたはFalseintcはC言語のint型と一致します。通常、int32またはint64intpは整数のインデックス付けに使用され、C言語のssize_tと一致します。int32またはint64int8バイト長整数、値:
[
‐
128
、
127
]
[‐128、127]
[‐128,127] int16長さが16ビットの整数で、値は次のとおりです。
[
‐
32768
、
32767
]
[‐32768、32767]
[‐32768,32767] int3232ビット長整数、値:
[
‐
2
31
、
2
31
‐
1
]
[‐2 ^ {31}、2 ^ {31} ‐1]
[‐231,231‐1] int6464ビット長整数、値:
[
‐
2
63
、
2
63
‐
1
]
[‐2 ^ {63}、2 ^ {63} ‐1]
[‐263,263‐1] uint 88ビット符号なし整数、値:
[
0
、
255
]
[0、255]
[0,255] uint1616ビット符号なし整数、値:
[
0
、
65535
]
[0、65535]
[0,65535] uint3232ビットの符号なし整数、値:
[
0
、
2
32
‐
1
]
[0、2 ^ {32} ‐1]
[0,232-1] uint6432ビット符号なし整数、値:
[
0
、
2
64
‐
1
]
[0、2 ^ {64} ‐1]
[0,264-1] float16 16ビット半精度浮動小数点数:1符号ビット、5ビット指数、10ビット仮数float3232ビット半精度浮動小数点数:1符号ビット、8ビット指数、23 -ビット仮数float6464半精度浮動小数点数:1ビット符号ビット、11ビット指数、52ビット仮数complex64複素数型、実数部と虚数部は両方とも32ビット浮動小数点数complex128複素数型、実数と虚数部は両方とも64ビット浮動小数点数です
ndarray配列の作成方法
Pythonでリストやタプルなどからndarray配列を作成します
>>> numpyをnpとしてインポート
>>> x = np.array([[1,2]、[9,8]、(0.1,0.2)])
>>> print(x)
[[1。2.]
[9。8.]
[0.1 0.2]]
NumPy関数を使用してndarray配列を作成します
関数の説明np.arange(n)はrange()関数に似ており、ndarray型を返します。要素は0からn-1です。np.ones(shape)は、形状と形状に従ってすべて1の配列を生成します。はタプルタイプnp.zeros(shape)であり、shapeはすべて0の配列を生成し、shapeはタプルタイプnp.full(shape、val)は形状に従って配列を生成し、各要素値はvalnp.eye(n)です。正方形のn * nアイデンティティ行列を作成するには、対角線は1で、残りは0np.ones_like(a)配列の形状に基づいてすべて1の配列を生成します。np.zeros_like(a)すべての配列を生成します。配列anp.full_like(a、val)の形状に基づく0s形状は配列を生成し、各要素値はvalnp.linspace()であり、開始データと終了データに従って等間隔でデータを入力して配列npを形成します。 .concatenate()は、2つ以上の配列を新しい配列にマージします
>>> numpyをnpとしてインポート
>>> print(np.arange(5))
[0 1 2 3 4]
>>> print(np.ones((2,3)))
[[1。1. 1.]
[1。1. 1.]]
>>> print(np.zeros((1,5)))
[[0。0。0。0。0。]]
>>> print(np.full((3,3)、8.6))
[[8.6 8.6 8.6]
[8.6 8.6 8.6]
[8.6 8.6 8.6]]
>>> print(np.eye(3))
[[1。0。0。]
[0。1. 0.]
[0。0.1。]]
>>> a = np.linspace(1、10、4)
>>> a
array([1.、4.、7.、10。])
>>> b = np.linspace(1、10、4、endpoint = False)
>>> b
array([1。、3.25、5.5、7.75])
>>> c = np.concatenate((a、b))
>>> c
array([1.、4.、7.、10.、1.、3.25、5.5、7.75])
ndarray配列の次元変換
メソッドの説明。reshape(shape)は配列要素を変更せず、形状形状の配列を返します。元の配列は変更されません。resize(shape)は.reshape()と同じ機能ですが、元の配列を変更します。swapaxes(ax1 、ax2)は配列をnに変更します。2つの次元のうち2つが交換されます。flatten()は配列の次元を減らし、折りたたまれた1次元配列を返します。元の配列は変更されません
>>> a = np.ones((2,3,4)、dtype = np.int32)
>>> a
配列([[[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]]、
[[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]]])
>>> a.reshape(3,8)
配列([[1、1、1、1、1、1、1、1]、
[1、1、1、1、1、1、1、1]、
[1、1、1、1、1、1、1、1]])
>>> a.resize(3,8)
>>> a
配列([[1、1、1、1、1、1、1、1]、
[1、1、1、1、1、1、1、1]、
[1、1、1、1、1、1、1、1]])
>>> a.flatten()
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、1、1、1、1、1 ])
>>> a.swapaxes(0,1)
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]])
ndarray配列の型変換
new_a = a.astype(new_type)
注:astype()メソッドは、2つのタイプが同じであっても、確実に新しい配列(元のデータのコピー)を作成します。
>>> a = np.ones((2,3,4)、dtype = np.int32)
>>> a
配列([[[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]]、
[[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]]])
>>> b = a.astype(np.float)
>>> b
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。]]])
ndarray配列からリストへの変換
ls = a.tolist()
ndarray配列操作
配列のインデックスとスライス
1次元配列のインデックス作成とスライス:Pythonリストと同様多次元配列のインデックス作成:多次元配列のスライス
ndarray配列操作
NumPy単項関数
関数の説明np.abs(x)np.fabs(x)配列の各要素の絶対値を計算しますnp.sqrt(x)配列の各要素の平方根を計算しますnp.square(x)の二乗を計算します配列の各要素np.log(x)np.log10(x)np.log2(x)は、配列の各要素の自然対数、10を底とする対数、および2を底とする対数を計算します。np.ceil(x)np.floor (x)配列の各要素の上限値を計算するか、下限値np.rint(x)が配列の各要素の丸め値を計算しますnp.modf(x)は、配列の各要素の小数部と整数部を返します。 2つの独立した配列としての配列np.cos(x)np.cosh(x)np.sin(x)np.sinh(x)np.tan(x)np.tanh(x)は、それぞれの正規関数と双曲線三角関数を計算します。配列の要素np.exp(x)は、配列の各要素の指数値を計算します。np.sign(x)は、配列の各要素の符号値を計算します。
1
((
+
)
、
0
、
‐
1
((
‐
)
1(+)、0、‐1(‐)
1(+)、0、‐1(‐)
NumPyバイナリ関数
関数の説明+ ‐ * / ** 2つの配列の各要素は、対応する操作を実行しますnp.maximum(x、y)= np.fmax(); np.minimum(x、y)= np.fmin()要素レベルの最大値/最小計算np.mod(x、y)要素レベルのモジュラー操作np.copysign(x、y)は、配列yの各要素値の符号を配列x> <> = <==の対応する要素に割り当てます。 =!=算術比較、ブール配列の生成