Site de référence: Indispensable si vous utilisez Python! Comment utiliser Numpy pour accélérer les opérations!
Python a de nombreuses bibliothèques utiles que vous pouvez utiliser librement. En utilisant la bibliothèque, vous pouvez facilement réaliser des calculs avancés et des traitements complexes. Parmi ces bibliothèques, NumPy est particulièrement souvent utilisé. NumPy est utilisé pour effectuer des opérations matricielles et matricielles à grande vitesse dans des calculs scientifiques et technologiques. C'est une bibliothèque très efficace lorsque vous souhaitez faire des calculs mathématiques en recherche.
Cette fois, j'expliquerai l'utilisation de base d'un tel NumPy.
NumPy peut être facilement installé à l'aide de la commande pip. Entrez la commande suivante à partir de la console pour installer.
pip install numpy
Cependant, selon la version de Python, etc., l'installation avec pip peut échouer. Dans ce cas, téléchargez NumPy à partir de la page suivante et installez le fichier téléchargé avec la commande pip.
http://www.lfd.uci.edu/~gohlke/pythonlibs/
Il existe plusieurs fichiers NumPy, veuillez donc télécharger celui qui correspond à votre version de Python et à la version de votre système d'exploitation. Dans le nom du fichier, cp ○○ indique la version Python et win_amd ○○ la version du système d'exploitation.
Par exemple, le fichier "numpy-1.12.0rc2 + mkl-cp36-cp36m-win_amd64.whl" signifie que la version Python est 3.6 et la version OS est 64bitOS.
Après le téléchargement, installez le fichier avec pip. La commande est la suivante.
pip install Chemin vers le fichier que vous venez de télécharger
Importation de NumPy
Après avoir installé NumPy, importez NumPy. Vous êtes maintenant prêt à utiliser NumPy.
import numpy #Doit être requis lors de l'utilisation de NumPy
NumPy est une bibliothèque qui peut effectuer des calculs de tableaux et de matrices à grande vitesse. Tout d'abord, générez un tableau avec NumPy. Un tableau de NumPy peut être généré avec la méthode array.
import numpy
n_array = numpy.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(n_array)
Résultat d'exécution
[[1 2 3] [4 5 6] [7 8 9]]
De plus, NumPy peut exprimer des matrices utilisées en mathématiques. Utilisez une matrice pour générer une matrice.
n_matrix = numpy.matrix('1,2 ; 3, 4')
print(n_matrix)
Résultat de la mise en œuvre [[1 2] [3 4]]
Les tableaux NumPy peuvent être traités comme des listes Python normales, et les matrices sont, en d'autres termes, presque les mêmes que les listes à deux dimensions. Alors, quelle est la différence avec une liste régulière? Il est facile de faire des opérations mathématiques sur des matrices et des tableaux.
Par exemple, la multiplication d'une liste normale par une constante duplique la liste, mais la multiplication d'un tableau NumPy par une constante effectue une opération qui multiplie la matrice par une constante, ce qui donne un tableau dans lequel chaque élément est multiplié par une constante.
n_array = numpy.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(n_array * 3)
Résultat d'exécution
[[ 3 6 9] [12 15 18] [21 24 27]]
En plus de cela, vous pouvez effectuer quatre opérations de règles entre les tableaux et les constantes, et entre les tableaux. De plus, NumPy a de nombreuses fonctions pour l'arithmétique, et vous pouvez également utiliser les fonctions mathématiques définies dans le module mathématique, qui est une bibliothèque standard. Les fonctions disponibles dans NumPy incluent:
| une fonction | effet |
|---|---|
| numpy.add(Tableau,constant) | Tableauに定数を足す |
| numpy.multiply(Tableau,constant) | Tableauに定数を掛ける |
| Tableau.dot(Tableau) | Tableau（行列）の内積を計算する |
| numpy.mean(Tableau) | Tableauの平均を計算する |
| numpy.median(Tableau) | Tableauの中央値を計算する |
| numpy.std(Tableau) | Tableauの標準偏差を計算する |
| numpy.var(Tableau) | Tableauの分散を計算する |
n_array = numpy.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print('n_Valeur moyenne du tableau:{}'.format(numpy.mean(n_array)))
print('n_Valeur médiane du tableau:{}'.format(numpy.median(n_array)))
print('n_écart type du tableau:{}'.format(numpy.std(n_array)))
Résultat d'exécution
Valeur moyenne de n_array: 5,0 Tableau n médian: 5,0 Écart type de n_array: 2,581988897471611
Recommended Posts