ndarray
N-dimentional array
#WIP
gpt-4.icon
多次元配列を効率的に扱うためのデータ構造
ndarrayの生成
np.array
任意の配列やリストからndarrayを作成
`text
code:python
import numpy as np
arr = np.array(1, 2, 3)
print(arr) # 出力: 1 2 3
`
np.zeros
全要素が0の配列を作成
`text
code:python
arr = np.zeros((2, 3))
print(arr) # 出力: [0. 0. 0.
# 0. 0. 0.]
`
np.ones
全要素が1の配列を作成
`text
code:python
arr = np.ones((2, 3))
print(arr) # 出力: [1. 1. 1.
# 1. 1. 1.]
`
np.arange
連続した数値の配列を作成
`text
code:python
arr = np.arange(0, 10, 2)
print(arr) # 出力: 0 2 4 6 8
`
np.linspace
指定した範囲を等間隔に分割した配列を作成
`text
code:python
arr = np.linspace(0, 1, 5)
print(arr) # 出力: 0. 0.25 0.5 0.75 1.
`
ndarrayの基本属性
ndarray.shape
配列の形状（各次元のサイズ）を表示
code:python
arr = np.array(1, 2, 3], [4, 5, 6)
print(arr.shape) # 出力: (2, 3)
ndarray.ndim
配列の次元数を表示
code:python
arr = np.array(1, 2, 3], [4, 5, 6)
print(arr.ndim) # 出力: 2
ndarray.size
配列内の全要素数を表示
code:python
arr = np.array(1, 2, 3], [4, 5, 6)
print(arr.size) # 出力: 6
ndarray.dtype
配列のデータ型を表示
code:python
arr = np.array(1, 2, 3)
print(arr.dtype) # 出力: int64 (環境による)
ndarrayの基本操作
インデックス参照
配列内の要素をインデックスで指定して取得
code:python
arr = np.array(1, 2, 3, 4)
print(arr0) # 出力: 1
print(arr-1) # 出力: 4
スライス
一部の要素を指定して取得
code:python
arr = np.array(1, 2, 3, 4, 5)
print(arr1:4) # 出力: 2 3 4
配列の形状変更 reshape
配列の形を変更する
code:python
arr = np.array(1, 2, 3], [4, 5, 6)
new_arr = arr.reshape((3, 2))
print(new_arr) # 出力: [1 2
# 3 4
# 5 6]
転置 transpose
行列の行と列を入れ替える
`text
code:python
arr = np.array(1, 2, 3], [4, 5, 6)
print(arr.T) # 出力: [1 4
# 2 5
# 3 6]
`
結合 concatenate
配列を結合する
`text
code:python
arr1 = np.array(1, 2, 3)
arr2 = np.array(4, 5, 6)
arr = np.concatenate((arr1, arr2))
print(arr) # 出力: 1 2 3 4 5 6
`
ndarrayの基本演算
要素ごとの演算
配列の各要素に対して演算を行う
code:python
arr = np.array(1, 2, 3)
print(arr + 1) # 出力: 2 3 4
print(arr * 2) # 出力: 2 4 6
配列同士の演算
同じ形状の配列同士で演算を行う
code:python
arr1 = np.array(1, 2, 3)
arr2 = np.array(4, 5, 6)
print(arr1 + arr2) # 出力: 5 7 9
ブロードキャスト
異なる形状の配列に対して演算を行う（自動的に形状が揃えられる）
code:python
arr = np.array(1, 2, 3], [4, 5, 6)
print(arr + np.array(1, 2, 3)) # 出力: [2 4 6
# 5 7 9]
集計関数
配列全体または特定の軸に沿って集計を行う
- sum: 要素の合計を計算
- mean: 要素の平均を計算
- max, min: 要素の最大値、最小値を計算
code:python
arr = np.array(1, 2, 3, 4, 5)
print(arr.sum()) # 出力: 15
print(arr.mean()) # 出力: 3.0
print(arr.max()) # 出力: 5