Python 3 エンジニア認定データ分析試験　勉強メモ

4章で取り上げられていたNumpyの関数を試験メモとして残していきます。

NumPyの概要

配列や行列を効率よく扱うパッケージ。

＃インポート
import numpy as np

＃reshapeメゾットを使用し(2, 3))に変更する
a = np.array([0,1,2,3,4,5])
c = a.reshape*1
出力
array([[0, 1, 2],
[3, 4, 5]])
＃ravel メゾットを使うと1次元配列に戻る
ｄ =c.ravel()
出力
array([0, 1, 2, 3, 4, 5])
＃copyメゾットを使うときはのデータを保持しておきたいという場合

＃arangeはPythonのrange関数と同じ
np.arange(10)
出力
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
出力
array([1, 3, 5, 7, 9])

＃np.random.randomrandom関数は行と列を渡すと0以上1未満の範囲で返す
np.random.seed(1)　固定したい場合
np.random.random*2
出力
array([[4.17022005e-01, 7.20324493e-01],
[1.14374817e-04, 3.02332573e-01],
[1.46755891e-01, 9.23385948e-02]])

＃np.random.randint(1, 10, (3,3))　整数を第一引数以上第二引数未満で返す
出力
array([[8, 7, 3],
[5, 6, 3],
[5, 3, 5]])

＃np.random.uniform(1, 10, (3,3))　小数値まで第一引数以上第二引数未満で返す
array([[4.75574322, 6.02820846, 2.26348245],
[2.7829134 , 8.20670112, 9.71435418],
[3.8208176 , 7.23090354, 8.88750237]])

＃np.random.randn(3,3)　平均0、分散１で出力
array([[ 0.53381091, -0.0919733 , 1.91382039],
[ 0.33079713, 1.14194252, -1.12959516],
[-0.85005238, 0.96082 , -0.21741818]])

＃np.random.normal(3,3)　平均、標準偏差、形状を因数として正規分布として出せる。