• Skip to main content
  • Skip to primary sidebar

学習記録

Numpy

np.array はN次元配列を扱うためのクラス

2018年9月1日 by 河副 太智 Leave a Comment

数学の概念で言えば,1次元の場合はベクトルに,
2次元の場合は行列に,そして3次元以上の場合はテンソルに該当

1
2
3
4
5
6
7
8
9
10
11
12
In [1]: import numpy as np
 
In [2]: mylist=[1,2,3,4]
 
In [3]: np.array(mylist)
Out[3]: array([1, 2, 3, 4])
 
In [4]: mylist
Out[4]: [1, 2, 3, 4]
 
In [5]: type(mylist)
Out[5]: list

np.arrayでarrayに変換しても一時的にしか変換できていません

継続してarray型にするには変数に入れる必要があります。

1
2
3
4
5
6
7
In [6]: arr = np.array(mylist)
 
In [7]: type(arr)
Out[7]: numpy.ndarray
 
In [8]: arr
Out[8]: array([1, 2, 3, 4])

このようにすれば変数arrはいつまでもarray型をキープできます。

 

 

2次元配列とは以下のようなもので[[ と ]]のダブルカッコがあります

1
2
3
4
5
6
In [12]: np.zeros((2,20))
Out[12]:
array([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
        0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
        0., 0., 0., 0.]])

np.zeros()の第一引数は列の数で第二引数は行の数となり
全て0で満たされます。

 

 

2次元配列から一を指定して値を取得する方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
In [20]: mat
Out[20]:
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
       [40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
       [50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
       [60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
       [70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
       [80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
       [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
 
In [21]: mat[5,2]
Out[21]: 52

 

カラム、列の値を縦一直線に欲しい場合は”:”を使う

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
       [40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
       [50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
 
       [60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
       [70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
       [80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
       [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
 
 
In [23]: mat[:,2]
Out[23]: array([ 2, 12, 22, 32, 42, 52, 62, 72, 82, 92])

 

行の値を横一直線に欲しい場合は以下のようにする

1
2
In [24]: mat[2,:]
Out[24]: array([20, 21, 22, 23, 24, 25, 26, 27, 28, 29])

 

条件に合う値のみを抽出

1
2
3
4
5
In [25]: mat[mat>50]
Out[25]:
array([51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67,
       68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84,
       85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99])

 

Filed Under: Numpy

.npzフォーマットをcsvに変換

2018年5月15日 by 河副 太智 Leave a Comment

.npzフォーマットをcsvに変換

1
2
3
4
5
import numpy as np
 
data = np.load('test.npz')
for key, value in data.items():
    np.savetxt("somepath" + key + ".csv", value)

 

Filed Under: Numpy

sparse matrixで0以外の値の位置を表示

2018年2月27日 by 河副 太智 Leave a Comment

Netflixのユーザーの視聴データがあったとして、
どの映画を見たのかを表すデータを使うと映画タイトルの
全てが表示され、凄まじい量になる。

基本的にNetflixユーザーは全部の映画を見るわけではないので
当然データセットは0だらけになる

sparse matrixではデータセットが0以外のものの
arrayの位置を返す

1
2
3
4
5
6
7
8
9
10
11
12
13
# Load libraries
import numpy as np
from scipy import sparse
 
# Create a matrix
matrix = np.array([[0, 0],
                   [0, 1],
                   [3, 0]])
 
# Create compressed sparse row (CSR) matrix
matrix_sparse = sparse.csr_matrix(matrix)
 
print(matrix_sparse)

結果

1
2
(1, 1)    1
(2, 0)    3

 

Filed Under: Numpy, scipy

numpyチートシート

2018年2月13日 by 河副 太智 Leave a Comment

numpyチートシート

Filed Under: Numpy, チートシート

データフレームに値を追加

2018年2月10日 by 河副 太智 Leave a Comment

numpyで2次元配列に行要素を追加していき、
最後にdataframeに変換

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import pandas as pd
import numpy as np
 
data = [[1,2],[3,4]]
data = np.append(data,[6, 4])
        
 
arr = np.empty((0,2), int)
arr = np.append(arr, np.array([[1,2]]), axis=0)
arr = np.append(arr, np.array([[3,4]]), axis=0)
print(arr)
 
 
data_frame = pd.DataFrame(arr, columns=['resolt', 'value'])
 
data_frame

 

Filed Under: Numpy, Pandas Tagged With: df, データフレーム, 要素, 追加, 配列

numpy.ndarray型(np.array)の内容の個数を表示

2017年12月22日 by 河副 太智 Leave a Comment

変数.shapeで配列の要素の数を取得できる
以下の例は2つの要素の配列が3つある事を示す

1
2
3
4
5
import numpy as np
A = np.array([[1,2], [3,4], [5,6]])
A.shape
# 出力
(3, 2)

 

Filed Under: Numpy

  • Page 1
  • Page 2
  • Page 3
  • Interim pages omitted …
  • Page 8
  • Go to Next Page »

Primary Sidebar

カテゴリー

  • AWS
  • Bootstrap
  • Dash
  • Django
  • flask
  • GIT(sourcetree)
  • Plotly/Dash
  • VPS
  • その他tool
  • ブログ
  • プログラミング
    • Bokeh
    • css
    • HoloViews
    • Jupyter
    • Numpy
    • Pandas
    • PosgreSQL
    • Python 基本
    • python3
      • webアプリ
    • python3解説
    • scikit-learn
    • scipy
    • vps
    • Wordpress
    • グラフ
    • コマンド
    • スクレイピング
    • チートシート
    • データクレンジング
    • ブロックチェーン
    • 作成実績
    • 時系列分析
    • 機械学習
      • 分析手法
      • 教師有り
    • 異常値検知
    • 自然言語処理
  • 一太郎
  • 数学
    • sympy
      • 対数関数(log)
      • 累乗根(n乗根)
    • 暗号学

Copyright © 2025 · Genesis Sample on Genesis Framework · WordPress · Log in