NumPy ライブラリと ufuncs に関する基本的な知識
NumPy は Numerical Python の略で、 Python 配列を操作するためのライブラリ。これらの配列を利用すると、ベクトルや行列などの線形代数の要素を次のように表現できます。 Python 。ライブラリの大部分は C で記述されているため、大きな行列でも特に効率的かつ高速な計算を実行できます。
Python は、ライブラリを追加せずにデータを保存するために使用できるさまざまなデータ構造を提供します。ただし、これらの構造は、 Python リスト、数学的演算にはあまり適していません。 2つ追加 lists 要素ごとに数値を指定すると、大量のデータを処理するときにすぐにパフォーマンスに悪影響を及ぼす可能性があります。
このため、数値演算を迅速かつ効率的に実行できる NumPy が開発されました。特に重要なのは、行列乗算などの線形代数分野の計算です。
NumPy は、他の多くのライブラリと同様に、pip を使用してノートブックから直接インストールできます。これを行うには、コマンド「pip install」をモジュール名とともに使用します。ノートブックが端末コマンドであることを認識できるように、この行の前に感嘆符を付ける必要があります。
インストールが成功した場合は、モジュールをインポートするだけでノートブックに使用できます。ここでは、プログラミングの時間を少し節約し、毎回 NumPy を入力する必要をなくすために、略語「np」がよく使用されます。
NumPy 配列は従来の配列の有効な代替手段です Python リスト。これらは、データの多次元コレクションを保存する可能性を提供します。ほとんどの場合、数値が格納され、配列はベクトルまたは行列として使用されます。たとえば、1 次元ベクトルは次のようになります。
NumPy 配列のさまざまな機能に加えて、これについては別の投稿で説明しますが、可能な次元も差別化にとって依然として重要です。
次の次元が区別されます。
- 0D — 配列: これは単なるスカラー、つまり単一の数値または値です。
- 1D — 配列: これは、1 次元の数値または値の文字列としてのベクトルです。
- 2D — 配列: このタイプの配列は行列、つまり、いくつかの 1D 配列のコレクションです。
- 3D — 配列: いくつかの行列がいわゆるテンソルを形成します。これらについては、次の記事で詳しく説明しています。 TensorFlow.
ソースによっては、NumPy 配列と NumPy 配列の間にはいくつかの根本的な違いがあります。 Python リスト。最も一般的に言及されるのは次のとおりです。
- メモリ消費量: 配列は、メモリの特定の部分を占有するようにプログラムされます。配列のすべての要素がそこに配置されます。の要素 リスト一方、記憶の中で遠く離れている可能性があります。その結果、 リスト 同一の配列よりも多くのメモリを消費します。
- 速度: 配列は、より高速に処理することもできます。 lists メモリ消費量が少ないためです。これは、数百万の要素を持つオブジェクトに大きな違いをもたらす可能性があります。
- Functionality : 配列は非常に多くの機能を提供します。たとえば、リストでは要素ごとの操作が可能ですが、配列では要素ごとの操作が可能です。
いわゆる「ユニバーサル関数」（略して ufuncs）は、特定の操作を要素ごとに実行する必要がなく、配列全体に対して直接実行するために使用されます。コンピューター プログラミングでは、コマンドがベクトル全体に対して直接実行される場合、いわゆるベクトル化について話します。
これにより、プログラミングが大幅に高速化されるだけでなく、計算も高速化されます。 NumPy では、さまざまな操作に使用できるこれらのユニバーサル関数がいくつか提供されています。最もよく知られているものには次のようなものがあります。
- 「add()」を使用すると、複数の配列を要素ごとに合計することができます。
- 「subtract()」はその逆で、配列を要素ごとに減算します。
- 「multiply()」は、2 つの配列を要素ごとに乗算します。
- 「matmul()」は 2 つの配列の行列積を形成します。ほとんどの場合、これは「multiply()」と同じ結果を与えないことに注意してください。
- NumPy は Numerical Python の略で、配列を操作するための Python ライブラリです。
- これらの配列を利用すると、ベクトルや行列などの線形代数の要素を Python で表現できます。
- ライブラリの大部分は C で記述されているため、大きな行列でも特に効率的かつ高速な計算を実行できます。
- NumPy 配列は Python リストに匹敵しますが、メモリ要件と処理速度の点でそれらよりも大幅に優れています。
NumPy の簡単な紹介 ソース https://towardsdatascience.com/3short-introduction-to-numpy-3a65ec23eaba?source=rss—-7f60cf5620c9—4 経由 https://towardsdatascience.com/feed から再公開
<!–
–>
