Helve’s Python memo

Pythonを使った機械学習やデータ分析の備忘録

NumPy

<NumPy> 統計の関数

最大・最小 平均と分散 相関係数 最大・最小 >>> import numpy as np >>> a = np.array([[1, 2, 3], [4, 5, 6]]) >>> np.amax(a) # 全要素の最大値 6 >>> np.amax(a, axis=0) # 列方向の最大値 array([4, 5, 6]) >>> np.amax(a, axis=1) # 行方向の最大値 ar…

<NumPy> 数学の関数

三角関数 双曲線関数 端数処理 和・積・差分 指数関数・対数関数 その他 mathライブラリの数学の関数は、一般にスカラー値にしか適応できない。 一方、NumPyの数学の関数は、スカラー値に加え、リストやnumpy.arrayオブジェクトにも適応できる。 三角関数 角…

<NumPy> 配列の演算

基本的な四則演算 線形代数学の演算 内積・外積 ノルム・行列式・ランク 転置 連立方程式の解・逆行列 固有値・固有ベクトル 特異値分解 基本的な四則演算 >>> import numpy as np >>> a = np.array([[1,2],[3,4]]) >>> b = np.array([[5,6],[7,8]]) >>> a+b…

<NumPy> 配列の操作

配列のコピー 次元の変更 結合 分割 ソート 配列のコピー =でコピーすると、コピー元とコピー先で同じオブジェクトを参照するため、 どちらかを操作するともう片方も変更される (Shallow copy)。 一方、copyメソッドでコピーすると、コピー先で新たにオブジ…

<NumPy> 配列の確認

配列の属性 要素へのアクセス 配列の属性 >>> import numpy as np >>> a = np.array([[1,2,3],[4,5,6]]) >>> a.ndim # 次元 2 >>> a.size # 要素数 6 >>> a.shape # 各次元の要素数 (2, 3) 要素へのアクセス スライスが使える。 1次元配列の場合。 >>> b = n…

<NumPy> 配列の作成

基本的な配列の作成 特殊な配列の作成 線形代数学でよく使われる配列 三角行列 線形に等間隔な1次元配列 ランダムな要素を持つ配列 基本的な配列の作成 >>> import numpy as np >>> a = np.array([1,2,3]) # 1次元配列 >>> a array([1, 2, 3]) >>> b = np.ar…