12,504
回編集
差分
ナビゲーションに移動
検索に移動
→操作
[ 8, 9, 10, 11]])
====ベクトルの算術演算====
----
======スカラー演算======
----
*行列に対してスカラー演算を行うと、すべての成分に対して演算が行われる
</pre>
======四則演算======
----
*ベクトルのx,y要素数が同じであれば、各要素ごとの算術演算が可能
</pre>
======累乗、平方根======
----
<pre>
</pre>
======転置行列======
----
*行列の行と列を入れ替えたもの
<math>A'=\left(\begin{array}{c}{1}\quad{4}\\{2}\quad{5}\\{3}\quad{6}\end{array}\right)</math>
*transpose()で求められる <pre>>>> a = np.array([[1,2,3],[4,5,6]],dtype=int)>>> aarray([[1, 2, 3], [4, 5, 6]])>>> np.transpose(a)array([[1, 4], [2, 5], [3, 6]])</pre> ====参照====
*https://qiita.com/supersaiakujin/items/d63c73bb7b5aac43898a
=====箇所を指定=====
----
*行列要素へのインデックスアクセス
[7., 8., 9.]])
</pre>
======1次元======
----
x[n]
[7., 8., 9.]])
</pre>
======2次元======
----
x[n,m]
</pre>
=====範囲を指定=====
----
======1次元======
----
x[start:end:step]
======2次元======
----
x[start:end:step,start:end:step]
=====行を抽出=====
----
x[r]
x[r,]
x[r,:]
=====列を抽出=====
----
x[,:c]
<blockquote>取り出した値が1次元の配列になるため注意 reshape()</blockquote>
=====条件を満たすデータを取り出す=====
----
====操作====
----
=====次元が異なる配列の演算=====
----
======それぞれの列に掛ける======
----
>>> x = arange(4)
>>> x * 2
array([0, 2, 4, 6])
======それぞれの行に足し込む======
----
>>> y = arange(10)
© 2006 矢木浩人
