Port 53

明日のための技術メモ

トップ > Python > numpy 100 Exercises 1-10

numpy 100 Exercises 1-10

Python DataScience-numpy DataScience

github.com

numpyそんなに詳しくなかったので、100本ノックやることにした。
ノーヒントクリア厳しいので、ヒントを見てその関数を調べる形式で。
(言語処理のやつも止まってるけどorz)

上記のレポジトリをクローンして、ローカルでJupyter notebookを開いてやっていくのが良さそう。
あとは指示に従って演習を進める。
分からなかったら、ヒントで出た関数をドキュメントで調べる。

numpy.org

目次

1. Import the numpy package under the name np (★☆☆)

npという名前でnumpyをインポートする。import XXXX as XXの書き方でOK
(そもそも、インポートしないと使えない)

import numpy as np

2. Print the numpy version and the configuration (★☆☆)

numpyのバージョンと設定を出力するには、np.__version__でできる。

print(np.__version__)
# 1.17.4

3. Create a null vector of size 10 (★☆☆)

全部0のベクトルを作成する時、np.zeros(size)を使う

a = np.zeros(10)
print(a)
# [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

4. How to find the memory size of any array (★☆☆)

numpyで作った配列のメモリサイズを求める。少し工夫が必要。 前の問題で作った配列のメモリサイズを求めることにした。
配列aの要素数を求める時は、配列.sizeを使い、
配列の各要素のバイト単位でのサイズは、配列.itemsieeで分かる。
これらの結果をかけ合わせれば、配列全体のメモリサイズが分かる

a.size
# 10 配列aの要素数

a.itemsize
# 8 配列aの各要素のバイト単位でのサイズ

# かけ合わせれば配列全体のメモリサイズが分かる
print(a.size * a.itemsize)
# 80

5. How to get the documentation of the numpy add function from the command line? (★☆☆)

linuxコマンドで言うところのmanコマンド。
np.info(知りたい関数名)で使い方を知ることができる。

# np.info(参照したい関数)で使い方がわかる
np.info(size)
# np.sizeの使い方が出てくる。出力例は略。

6. Create a null vector of size 10 but the fifth value which is 1 (★☆☆)

長さ10の0埋めベクトル、ただし5番目の値が1であるものを作れという問題。
面倒なので最初に0埋めベクトルを作り、インデックスで要素を決め打ちして変更する。
Pythonのリスト操作と同じ感覚(そりゃそうだ)

a = np.zeros(10)
a[4] = 1
print(a)
# [0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]

7. Create a vector with values ranging from 10 to 49 (★☆☆)

10から49までの範囲のベクトルを作成する。
範囲指定したarrayの作成は、np.arange(start, stop) で実現できる。 (今後良く出てくる)

# 範囲指定でベクトル作成。np.arange(start, stop, step) stopの考え方はスライスと同じ
a = np.arange(10, 50)
a

# [10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
# 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49]

8. Reverse a vector (first element becomes last) (★☆☆)

さっきのベクトルを逆順にする。リストの逆順スライスと全く同じで、a[::-1]でできる

a[::-1]

# array([49, 48, 47, 46, 45, 44, 43, 42, 41, 40, 39, 38, 37, 36, 35, 34, 33,
#       32, 31, 30, 29, 28, 27, 26, 25, 24, 23, 22, 21, 20, 19, 18, 17, 16,
#       15, 14, 13, 12, 11, 10])

9. Create a 3x3 matrix with values ranging from 0 to 8 (★☆☆)

3x3行列を0から8までの数値で作る。範囲指定はarangeで行けるが、 nxm行列で作りたい時は、np.reshape(n, m)で行と列、次元などを指定する。 範囲指定して再整形するイメージ

# n行m列の行列として生成する時はreshape(n, m)
a = np.arange(0, 9).reshape(3,3)
a

# array([[0, 1, 2],
#       [3, 4, 5],
#       [6, 7, 8]])

10. Find indices of non-zero elements from 1,2,0,0,4,0(★☆☆)

1,2,0,0,4,0というarrayの中で、要素が0でないもののインデックスを出すには、
np.nonzero(array)で実現可能。

np.nonzero([1, 2, 0, 0, 4, 0])
# (array([0, 1, 4]),)