差分

このページの2つのバージョン間の差分を表示します。

--- python:numpy [2017/12/06 10:52] – [ランダムな行列の作成] mumeiyamibito
+++ python:numpy [2019/01/29 10:34] (現在) – mumeiyamibito
@@ 行 12: / 行 12: @@
   * ここではこっちの読み込みをした場合で記述していく。
-==== 行列の作成 ====
+==== 行列 ====
+=== 行列の作成 ===
   * numpy 用の行列データ ''matrix'' を作成する方法
     * リストを numpy 用の行列に変換する場合\\ <code python>matrix = np.array(list_matrix)</code>
@@ 行 20: / 行 21: @@
       * ''col'': 列のサイズ
-==== 行列の結合 ====
+=== 行列の結合 ===
   * 縦に結合 (行を追加)\\ <code python>matrix = np.vstack((matrix1, matrix2))</code>
     * ''matrix1'', ''matrix2'': 結合する行列データ
@@ 行 30: / 行 31: @@
     * タプルで指定するため、''vstack'' の後は関数用とタプル用の括弧で二重になる。
-==== 行列の抽出 ====
+=== 行列の抽出 ===
   * 特定の要素を抽出\\ <code python>value = matrix[row][col]</code>
     * ''value'': 抽出した要素を格納する変数
@@ 行 40: / 行 41: @@
     * ''col_slice'': 抽出する列を指定するスライス
     * リストと同じく、スライス (例: ''[2:5]'') で範囲で抽出することができる。
-  * 不連続な範囲を抽出\\ <code python>new_matrix = matrix[np.array(row_list),np.array(col_list)]</code>
+  * 不連続な範囲を抽出\\ <code python>new_matrix = matrix[np.array(row_list)][:,np.array(col_list)]</code>
     * ''new_matrix'': 抽出した行列を格納する変数
     * ''row_list'': 抽出したい行のリスト
     * ''col_list'': 抽出したい列のリスト
     * 不連続な範囲 (例: ''2,5,8,10'' など) を抽出する場合は、行列データに行列データのインデックスを与える。ここでは、''np.array()'' を使っているが、行列データを指定するのであれば、''np.array()'' を使う必要はない。
+    * 上記の方法だと
   * 参考サイト: [[http://oimokihujin.hatenablog.com/entry/2015/10/01/112450 | numpy.arrayによる２次元配列から任意の列を抽出する方法 - おいも貴婦人ブログ]]
-==== ランダムな行列の作成 ====
+=== ランダムな行列の作成 ===
   * テスト用などに使えるかも。
   * 小数の行列 (0〜1 まで)\\ <code python>matrix = np.random.rand(SHAPE)</code>
-    * ''SHAPE'': 行列のサイズ (多次元にする場合はタプルで指定する)
+    * ''SHAPE'': 行列のサイズ (多次元の場合、カンマで区切ってサイズを表記する; 例: ''3,100'')
   * 整数の行列\\ <code python>matrix = np.random.randint([LOW,] HIGH, size = SHAPE)</code>
     * ''LOW'': 最小値 (オプション)
     * ''HIGH'': 最大値 (指定した値は含まない)
     * ''SHAPE'': 行列のサイズ (多次元にする場合はタプルで指定する)
+  * 対称行列 (既に matrix は生成済みの場合)\\ <code python>symmetry = (matrix + matrix.T) / 2
+np.fill_diagonal(symmetry, 0)</code>
+    * 1 行目で、転置行列と足し合わせて、対称な行列を作成する。
+    * ''np.fill_diagonal(matrix, var)'' は ''matrix'' の対角成分に ''var'' を代入する関数で、これにより対角成分が 0 になる。破壊的なメソッドなので、元の行列は残らない。
+=== ゼロ行列の作成 ===
+  * 要素すべてが 0 の行列の作成\\ <code python>MATRIX = np.zeros(SHAPE, dtype = TYPE)</code>
+    * ''MATRIX'': ゼロ行列を格納する変数
+    * ''SHAPE'': 行列のサイズ (多次元にする場合はタプルで指定する)
+    * ''TYPE'': 行列の型
+=== 空の行列の作成 ===
+  * 空の行列 (ただし、値は 0 とは限らない) を作成する。\\ <code python>NEW_MATRIX = np.empty((ROW, COL), dtype = TYPE)</code>
+    * ''NEW_MATRIX'': 空の行列を格納する変数
+    * ''ROW'': 生成する行列の行数
+    * ''COL'': 生成する行列の列数
+    * ''TYPE'': データ型
+    * ''dtype'' は省略可
+  * 既存の行列と同じサイズの空の行列を作成する。\\ <code python>NEW_MATRIX = np.empty_like(MATRIX)</code>
+    * ''NEW_MATRIX'': 空の行列を格納する変数
+    * ''MATRIX'': サイズを参照したい行列
+  * 参考サイト: [[https://note.nkmk.me/python-numpy-empty-empty-like/ | NumPyで空の配列ndarrayを生成するemptyとempty_like | note.nkmk.me]]
+=== 行列全体のキャスト ===
+  * 行列全体のデータ型を変える。\\ <code python>NEW_MATRIX = MATRIX.astype(TYPE)</code>
+    * ''NEW_MATRIX'': データ型変換後の行列データを格納する変数
+    * ''MATRIX'': 変換したい行列データ
+    * ''TYPE'': データ型
+      * ''np.float'': 浮動小数点型
+      * ''np.int'': 整数型
+=== 対角行列の生成 ===
+  * 対角成分の配列から、対角行列を生成する。\\ <code python>DIAG_MATRIX = np.diagflat(MATRIX1D)</code>
+    * ''DIAG_MATRIX'': 対角行列を格納する変数
+    * ''MATRIX1D'': 対角成分のみの 1 次行列
+  * 参考サイト: [[http://d.hatena.ne.jp/gerumanium/20110907/1315403852 | 対角行列の生成 - gerumaniumの日記]]
+=== 対角成分の抽出 ===
+  * 行列から対角成分を抽出する。\\ <code python>DIAG = np.diag(MATRIX)</code>
+    * ''DIAG'': 対角成分を格納する変数
+    * ''MATRIX'': 対角成分を抽出したい行列
+==== ヒストグラム ====
+  * 行列データをヒストグラム分類することもできる。\\ <code python>np.histogram(MATRIX, bins = BINS, density = DENSITY_BOOL)</code>
+    * ''MATRIX'': ヒストグラム化したい行列データ (1次元データに変換される)
+    * ''BINS'': ヒストグラムの幅
+      * int (整数) で指定すると分割数
+      * リストで指定すると、リストの各要素が各ヒストグラムバーの最小値となる。
+      * ''"auto"''、''"fd"''、''"doane"''、''"scott"''、''"rice"''、''"sturges"''、''"sqrt"'' を指定すると、各アルゴリズムに合わせた BINS が生成される。詳しくはドキュメントを参照。
+    * ''DENSITY_BOOL'': 確率表示の有無
+      * ''True'' を指定すると、0〜1 の確率で表示する。
+      * ''False'' を指定すると、要素のカウント数で表示する。
+    * 結果 (numpy の行列データで返される)
+      * 1 番目の結果: ヒストグラム (''DENSITY = True'' の場合は確率)
+      * 2 番目の結果: BINS
+  * 参考サイト:
+    * [[https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.histogram.html | numpy.histogram — NumPy v1.13 Manual]]
+    * [[http://yakumido.blogspot.jp/2014/08/numpy.html | やくみ堂～砂漠から徒歩3分～: numpyとscipyのヒストグラム]]
 {{tag>プログラミング}}