numpy

• 歴史ある数値計算ライブラリ。

• 以外とこれだけでできることも多い。

np.cumsum(累積和)

import numpy as np
np.cumsum([1,2,3,4,5,6,7,8,9,10])

np.flip(反転)

W.I.P.

ブロードキャスト

• numpyのブロードキャストについてまとめ

  • AとBの演算したい場合に、shapeの長さが同じだと、1の部分の次元の要素を複製して演算できる。

    • shape=(4,3,2)とshape=(1,3,2)の演算はOK（左側に1があってもOK）

    • shape=(4,3,2)とshape=(4,3,1)の演算はOK（左側に1があってもOK）

    • shape=(5,4,3,2)とshape=(5,4,1,1)の演算はOK（1が複数あってもOK）

    • shape=(5,4,3,2)とshape=(1,4,1,1)の演算はOK（1が飛んでてもOK）

    • shape=(5,1,3,2)とshape=(5,4,1,2)の演算はOK（お互い違う場合でもOK）

  • また、shapeの長さが異なる場合でも、親側（左側）には1を自動追加することができる。

    • shape=(5,4,3,2)とshape=(4,3,2)の演算はOK（shape=(4,3,2)は勝手に(1,4,3,2)と解釈）

    • shape=(5,4,3,2)とshape=(3,2)の演算はOK（shape=(3,2)は勝手に(1,1,4,3,2)と解釈）

  • ちなみに、子側（右側）には1を自動追加できない。理由は両方に自動追加できると、複数の選択肢が発生するためと思われる。

    • shape=(5,4,3,2)とshape=(5,4)の演算はNG

    • やりたいときは、足りない側を明示的にreshapeしてあげる必要がある。

• 参考

  • https://snowtree-injune.com/2020/06/14/broadcast-z007/

np.where

index_tuple = np.where(A < 1)

• Aの次元が2(shapeが2要素)の場合、戻りは各行列のindexとなる。

• 次元が1(shapeが1要素)の場合も結果は、index_tuple[0]として取り出す必要がある。

Numpyでrolling処理する

• Numpy で時系列データに Rolling 処理を行う