markdown Numpy备忘录

Posted 2021-05-06

# ユークリッド距離
```
np.linalg.norm(a-b)
```

## 行列の長さ
len(行列)
結果 : 列の長さをだす

## 行列の連結
### 行を連結
```
np.r_[a,b]
```
### 列を連結
```
np.c_[a,b]
```
### 注意
1次元の場合、縦列だとみなす
```
array([0,1,2,3])
=>
array([0],[1],[2],[3])
```
## 格子列を作成する
同じ要素を選択すると各座標を表す=>二つの配列からすべての組み合わせを生み出せる
```
x = np.array([0,1,2])
y = np.array([3,4])
xx,yy = np.meshgrid(x,y)
```
xxとyyの各要素が対応している

# 乱数の生成方法
```
np.random
```
の中にある
## 標準正規分布(ガウシアン)
```
x = np.random.randn(n,d)
```
+ n : 作成する乱数の個数
+ d : 作成する乱数の次元

今回の場合**n×d**の行列が生成される

## 1次元正規乱数
```
np.random.normal(loc, scale, size)
```
+ loc : 期待値(平均)
+ scale : 生成したい正規分布の標準偏差を指定
+ size : 生成する乱数の個数を指定する

## 多次元正規乱数の生成
```
np.random.multivariate_normal(loc, scale, size, check_valid, tol)
```
+ loc : 生成したい正規分布の平均値ベクトルを指定
+ scale : 生成したい正規分布の分散共分散行列を指定
+ size : 生成する乱数の数を指定
+ check_valid : 分散共分散行列の半正定値チェックの有無(warn/raise/ignore)を指定[オプション]
+ tol : 半正定値チェックの許容誤差[オプション]

# 行列の扱い方(基本編)
## 行列の作成
npを利用して行列を作成する  
多重リストと違い行列とした様々な操作が簡単にできる!!  
```
np.array([1,2,3],[4,5,6])
```
これにより行列が作成される  
今回の場合は
```
array([1,2,3],
      [4,5,6])
```
となっている

## 行列の列と行の数
```
x = np.array([1,2,3],[4,5,6])
x.shape
```

## 行列とベクトル
numpyでは1行のベクトル、1列のベクトルは特別な動きとなっている  
引っかかるポイントまとめる

## 固有値と固有ベクトルを求める
```
la, v = np.linalg.eig(A)
```
laには固有値がvには固有ベクトルが入る
Aには固有値と固有ベクトルを求めたい行列を代入する

## 配列要素の平均を求める
```
np.average()
np.mean(配列)
```
averageは重み付きの平均を求めることができる
+ 第1引数 : 平均をもとめたい配列
+ 第2引数 : 平均を求める軸の方向
+ 第3引数 : 重み
+ 第4引数 : 値の返し方

## 逆行列を求める
```
np.linalg.inv(A)
```
Aは逆行列を求めたい行列

## 行列同士の積を求める
```
np.dot(a,b)
```
a : 左からかける行列
b : 右からかける行列

## 各要素への操作
### 各要素の絶対値を返す
```
np.abs(A)
```
### 各要素の平方根を返す
```
np.sqrt(A)
```
### 各要素の二乗を返す
```
np.square(A)
```
### 各要素について自然対数eの累乗を返す
```
np.exp(A)
```
### 各要素の底eの自然対数を返す
```
np.log(A)
```
### 各要素の底10の自然対数を返す
```
np.log10(A)
```
### 各要素の底2の自然対数を返す
```
np.log2(A)
```