Sequenzen sind für wissenschaftliche und technische Berechnungen unverzichtbar. Führen Sie grundlegende Operationen an Arrays mit numpy aus.
(1) Erstellen eines Arrays aus der "Liste" (2) Anzeigen / Abrufen von Array-Elementen (3) Sequenzen "Hinzufügen" und "Verketten" (4) Sortieren von Array-Elementen (5) "Vier Regeln" des Arrays (6) Anwenden von Funktionen auf Array-Elemente [Nachtrag] Unterschiede zur Python-Standardliste "(mehrfach)"
import numpy as np
"""
Erstellen eines "Arrays"
"""
a_list = [0,1,2,3,4,5] # a_Erstellen Sie eine Liste mit dem Namen Liste und Element 0, 1, 2, 3, 4,Speichern 5
a_array = np.array(a_list) # a_Machen Sie die Liste zu einem "Array"
print(a_array)
[0 1 2 3 4 5]
(2)
a_list = [0,1,2,3,4,5] # a_Erstellen Sie eine Liste mit dem Namen Liste und Element 0, 1, 2, 3, 4,Speichern 5
a_array = np.array(a_list) # a_Machen Sie die Liste zu einem "Array"
print(a_array[0]) #Element Null des Arrays anzeigen(Von Null zählen) # A
print(a_array[1]) # **Nr. 1#B
print(a_array[-1]) #Von hinten zählen. Von der Rückseite-1, -2, ...Es ist in der Reihenfolge.#C
print(a_array[1:3]) #Elementnummer 1(Das zweite Element von links, weil es von Null zählt)Oder erstellen Sie ein Array bis zum dritten Array-Element#D
print(a_array[2:]) #Elementnummer 2(Das dritte Element von links, weil es von Null zählt)Erstellen Sie ein Array, das von bis eins vor dem letzten Element enthält#D
print(a_array[:4]) #Erstellen Sie ein Array mit den Elementnummern 0 bis 4. Array-Element#F
0 #A 1 #B 5 #C [1 2] #D [2 3 4 5] #E [0 1 2 3] EF
(Hinweis) Das letzte Alphabet entspricht dem Alphabet in der Ausgabezeile der Druckfunktion im obigen Code.
Sei np.append (Array, Element).
Beispiel(3-1)
import numpy as np
a_list = [0,1,2,3,4,5] # a_Erstellen Sie eine Liste mit dem Namen Liste und Element 0, 1, 2, 3, 4,Speichern 5
a_array = np.array(a_list) # a_Machen Sie die Liste zu einem "Array"
a_array = np.append(a_array,10) #Element'10'Etwas vereinbaren_Zum Array hinzufügen
print(a_array)
[ 0 1 2 3 4 5 10]
Beispiel(3-2)Verkettung von Sequenzen
import numpy as np
a_list = [0,1,2,3,4,5] # a_Erstellen Sie eine Liste mit dem Namen Liste und Element 0, 1, 2, 3, 4,Speichern 5
a_array = np.array(a_list) # a_Liste ist "Array" a_mach es zu einem Array
b_list=[200, 300, 400] #b_Erstellen Sie eine Liste mit dem Namen Liste und Element 200, 300,Speichern Sie 400
b_array = np.array(b_list) # b_Liste ist "Array" b_mach es zu einem Array
a_array = np.append(a_array, b_array) ##Array a_Array b im Array_Array verketten
print(a_array)
[ 0 1 2 3 4 5 200 300 400]
Verwenden Sie sort, um ein Array (aufsteigend) zu erhalten, in dem die Array-Elemente von der kleinsten zur größten Zahl geordnet sind. Verwenden Sie die Optionen sortiert und ** umgekehrt **, um in umgekehrter Reihenfolge (absteigende Reihenfolge) zu sortieren.
(4)Sortieren
import numpy as np
c_list = [14, 90, 4, 23, 61, 110, 75]
c_array = np.array(c_list)
sorted1=np.sort(c_array) #Sequenz c_Erstellen Sie ein Array mit dem Namen sortiert1 mit Arrays, die in aufsteigender Reihenfolge angeordnet sind
sorted2=np.array(sorted(c_array, reverse=True)) #Sequenz c_Erstellen Sie ein Array mit dem Namen sortiert2 mit Arrays, die in absteigender Reihenfolge angeordnet sind
print(sorted1)
print(sorted2)
[ 4 14 23 61 75 90 110] [110 90 75 61 23 14 4]
import numpy as np
"""
"Vier Regeln" des Arrays
"""
D1_array=np.array([1, 2, 3])
D2_array=np.array([4, 5, 6])
print(D1_array+D2_array) #Hinzufügen= numpy.add(D1_array, D2_array) #A
print(D1_array-D2_array) #Subtrahieren= numpy.subtract(D1_array, D2_array)#B
print(D1_array*D2_array) #Multiplizieren= numpy.multiply(D1_array, D2_array) #C
print(D1_array/D2_array) #Teilung= numpy.divide(D1_array, D2_array) #D
print(D1_array%D2_array) #Überschuss= numpy.add(D1_array, D2_array) #E
print(D1_array**D2_array) #Power numpy.power(D1_array, D2_array) #F
[5 7 9] #A [-3 -3 -3] #B [ 4 10 18] #C [ 0.25 0.4 0.5 ] #D [1 2 3] #E [ 1 32 729] #F
(Hinweis) Das Alphabet am Ende der Liste entspricht dem Alphabet in der Ausgabezeile der Druckfunktion im obigen Code.
Beispiel(6)Funktionszuordnung
import numpy as np
"""
Anwenden derselben Funktion auf Array-Elemente
"""
D_array=np.array([1, 2, 3]) #Element 1, 2,Array D mit 3_Array erstellen
print(np.cos(D_array)) # D_Bewerten Sie den Wert der cos-Funktion mit allen Elementen des Arrays als Argumente
print(np.sqrt(D_array)) # D_Sqrt-Funktion mit allen Elementen des Arrays als Argumente(Wurzel)Bewerten Sie den Wert
[ 0.54030231 -0.41614684 -0.9899925 ] [ 1. 1.41421356 1.73205081]
Ein [Objekt] namens ndarray, erstellt von numpy.array (Liste) (https://ja.wikipedia.org/wiki/%E3%82%AA%E3%83%96%E3%82%B8%E3%82% A7% E3% 82% AF% E3% 83% 88_ (% E3% 83% 97% E3% 83% AD% E3% 82% B0% E3% 83% A9% E3% 83% 9F% E3% 83% B3 Beim Vergleich von% E3% 82% B0)) mit einem Listenobjekt nach Python weist es die folgenden Funktionen auf (Referenz [1]). Die Berechnungsverarbeitung kann um 1 und 2 beschleunigt werden. Dies liegt daran, dass der Overhead während der Berechnung (Zeit, die für den Speicherzugriff / Funktionsaufruf erforderlich ist) reduziert wird. Siehe Referenz [1] für Details.
[1] Kenji Nakaku, "Einführung in Python für Berechnungen von Wissenschaft und Technologie", Technical Review, 2016.
Recommended Posts