NumPy
(Numerical Python
)ですPython
配列および行列演算の寸法の多数をサポートしている言語拡張ライブラリは、加えて、配列操作のための数学ライブラリの多くを提供しています。機械学習を学んでいる、我々は学習の前に非常に基本的で実用的な深さを持っている必要がありPython
、ライブラリを。
インポートライブラリ、配列を作成
インポートnumpyのNP AS A = np.arraya np.array =([0 ,. 1,2 ,. 3 ,. 4]) #配列関数用いて A = np.arrayを([11、12は、13であり、14、15 ]、 [ 16、17、18、19、20 ]、 [ 21、22、23、24、25 ]、 [ 26、27、28、29、30 ]、 [ 31、32、33、34、35]]) #が作成します多次元配列 A = np.zeros((2 ,. 3)) #2行3列を作成行列0を充填し、もの(形状)が充填され、np.full((M、N)を作成することである 8)のm 行第n列のすべてのパラメータが8である = np.linspace(1、4、6) #は、1と4との間に6素子アレイの等価間隔作成 (= np.arangeを再生、停止、ステップサイズ) #ステップにおいてアレイ状に配置された遊びを作成する A np.indices =((3,3)) #高い次元の積み重ねられたアレイの作成 A = np.mat()位行列を作成し、アレイのみをリストから生成され、マットは、マットのように、文字列またはリストから生成することができる(「1,2; 3,4」) 、アレイ([1,2,3,4])は、マットが行列、配列(アレイであります偽行列)
基本的な演算子
、*、/ - +、対応する要素間の行列演算NP 、[注]整数の配列、配列の各要素は、付加の整数である注文の場合、処理は、放送アレイになりました各行の異なる数は、行ごとに乗算されます。 マトリックスのマットを使用した場合 *は行列の乗算ではなく、対応する要素乗算の 他の計算機能: 乗算()を、アレイまたはマトリックス乗算に対応する位置 DOT()関数は、a.dot(b)は、行列乗算ABを示し、数学に掛けました。 SUM() #定義された軸方向を合計は、0は、縦、横方向である、使用されてもよいです。[[...]、[...]、[...]]横向き彼はデフォルトを置くことを求めてしまうので、2次元の行列で、最終的な結果がある[...] 分() #最小値を求めます要素 MAX() #最大の要素を見つけるための 平均() #のリターン平均 STD() #は、標準の分散を返し VAR() #分散を返し cumprodを() #最初のいくつかの位置の本来の配列要素は、(乗数疲れグループ)を乗じあなたは、軸の方向を指定するために使用することができる縦0、1が表す横方向、横デフォルト CUMSUM() #元の最初のいくつかの配列の要素と位置(カウント配列) PTP() #は、最大値-最小値を返します。
NPのインデックスとスライスしました
インポートnumpyのNP AS データ = np.arange .reshape(12)と((3 ,. 4 )) プリント(データ) #1 アレイ及びスライスへの#インデックス #最初の行撮影データ1. プリント(DATA [0]) #2は、データの最初の列取る プリント(data.T [0])を 出力し(データ[:1。]) #3取得複数行の 印刷(データ[2 ]) #4.取得複数のランクは、 プリント(データ.T [2 ]) プリント(DATA [:、:2 ]) #5指定された列の最初の行の検索、 印刷(データ) を印刷(データ[0,2] ,: 2 ]) プリント(DATA [ :2、[0,2])