Fiche d'apprentissage 5 (9e jour)

Dossier d'apprentissage (9e jour)

Début des études: samedi 7 décembre Livres utilisés: Miyuki Oshige "Details! Note d'introduction à Python3 »(Sotech, 2017)

Reprise du [fichier texte (Ch.13 / p.316)](8e jour), Terminé jusqu'au [Numpy array (Ch.15 / p.380)](9th day)

Dessinez un graphique

-Utiliser le module matplotlib.pyplot -Bien qu'il puisse être défini dans plt.plot (axe X, axe Y), une erreur s'est produite si le nombre d'éléments ** ne correspondait pas. ** ** -Plt.title est le titre du graphique, plt.xlabel (ylabel) est le titre de l'axe -Un marqueur de tracé peut être ajouté au troisième argument de plt.plot avec marker = "o". ・ La couleur et le style de ligne peuvent être définis avec les 4ème et 5ème arguments de plt.plot. -Une légende peut être ajoutée avec plt.legend (loc = "location"). ・ Barre pour barre verticale, barh pour barre horizontale, xticks pour barre empilée, dispersion pour diagramme de dispersion, camembert pour cercle

Numpy -Créez un tableau avec array (). Vous pouvez créer autant de matrices que d'arguments. -Remplissez-le en 4 caractères avec dtype = "<U4".

>>print(np.array([1,2,3], [4,5,6], [7,8,9]))
ValueError: only 2 non-keyword arguments accepted
#argument(arguments)Vous en manque deux?

>>>print(np.array([[1,2,3], [4,5,6], [7,8,9]]))
#Résolu par ce qui précède, toute la liste[]Il était grand.

-Le tableau unidimensionnel produit par np.array () peut être converti par .reshape (ligne, colonne). -Vous pouvez convertir un tableau multidimensionnel en un tableau unidimensionnel avec ravel () ou flatten (). ・ Np.append (tableau, valeur, axe = aucun) Ajouter une ligne avec l'axe 0 et une colonne avec 1 ・ La conversion matricielle est .transpose ()

Accès aux éléments du tableau

・ Peut être référencé dans le tableau [numéro d'index] ・ Le découpage est possible comme une liste -Il est possible de spécifier la valeur numérique à extraire par l'expression conditionnelle. a [a> = 5] etc. Classification conditionnelle à l'aide d'opérateurs logiques. Produit logique, somme logique, déni logique

Fonctionnement de la baie

-Le calcul est possible comme d'habitude avec l'opérateur. Avec une fonction appelée diffusion, elle est ajoutée ou soustraite de tous les éléments. -Peut également être appliqué au calcul vectoriel 2D. La valeur absolue peut être calculée avec linalg.norm () ・ Sum () peut être utilisé pour obtenir le total total, sum (0) peut être utilisé pour obtenir le total de chaque colonne et sum (1) peut être utilisé pour obtenir le total de chaque ligne.

Arrangement

-Vous pouvez créer un tableau avec numpy.arrange (prix d'ouverture, prix de clôture, saut). Seul le cours de clôture ne peut être omis. -Vous pouvez créer un tableau avec le nombre de divisions spécifié par numpy.linspace (prix d'ouverture, prix de clôture, saut). -Créer une matrice unitaire de X lignes et X colonnes avec numpy.identity (X) ou eye (X). ・ Une distribution de Poisson peut également être créée. Qu'est-ce que la distribution de Poisson ... Étude requise -Les données lues par read_csv () de pandas () deviennent de type DataFrame et peuvent être lues.

Recommended Posts

Fiche d'apprentissage 4 (8e jour)
Fiche d'apprentissage 9 (13e jour)
Fiche d'apprentissage 3 (7e jour)
Fiche d'apprentissage 5 (9e jour)
Fiche d'apprentissage 6 (10e jour)
Fiche d'apprentissage 8 (12e jour)
Fiche d'apprentissage 1 (4e jour)
Fiche d'apprentissage 7 (11e jour)
Fiche d'apprentissage 2 (6e jour)
Fiche d'apprentissage 16 (20e jour)
Dossier d'apprentissage 22 (26e jour)
Dossier d'apprentissage n ° 21 (25e jour)
Fiche d'apprentissage 13 (17e jour) Kaggle3
Dossier d'apprentissage n ° 10 (14e jour)
Fiche d'apprentissage 12 (16e jour) Kaggle2
Dossier d'apprentissage n ° 23 (27e jour)
Dossier d'apprentissage n ° 25 (29e jour)
Dossier d'apprentissage n ° 26 (30e jour)
Dossier d'apprentissage n ° 20 (24e jour)
Dossier d'apprentissage n ° 14 (18e jour) Kaggle4
Dossier d'apprentissage n ° 15 (19e jour) Kaggle5
Fiche d'apprentissage 11 (15e jour) Participation de Kaggle
Enregistrement d'apprentissage de la programmation 2ème jour
Dossier d'apprentissage n ° 17 (21e jour)
Dossier d'apprentissage
Dossier d'apprentissage n ° 18 (22e jour)
Dossier d'apprentissage n ° 3
Dossier d'apprentissage n ° 1
Dossier d'apprentissage n ° 2
Dossier d'apprentissage n ° 19 (23e jour)
Dossier d'apprentissage n ° 29 (33e jour)
Dossier d'apprentissage n ° 28 (32e jour)
Dossier d'apprentissage n ° 27 (31e jour)
Apprentissage Python jour 4
Fiche d'apprentissage (2ème jour) Scraping par #BeautifulSoup
Dossier d'apprentissage jusqu'à présent
Fiche d'apprentissage (4e jour) #Comment obtenir le chemin absolu à partir du chemin relatif
Fiche d'apprentissage Linux ① Planifier
<Cours> Apprentissage en profondeur: Day2 CNN
Sujets> Deep Learning: Day3 RNN
Fiche d'apprentissage (3e jour) Méthode de description du sélecteur #CSS #Scraping avec BeautifulSoup
Enregistrement d'apprentissage (6ème jour) #Set type #Dictionary type #Conversion automatique de l'ensemble de taples de liste #ndarray type #Pandas (type DataFrame)
Étudiez en profondeur le Deep Learning [DW Day 0]
Spécialisation en apprentissage profond (Coursera) Dossier d'auto-apprentissage (C3W1)
[Rabbit Challenge (E qualification)] Apprentissage en profondeur (jour2)