【Python初心者】Numpyを使って行列計算の使い方をまとめる。

こんにちは（@t_kun_kamakiri）(‘◇’)ゞ

本記事ではPythonのNumpyの使い方のまとめを書いています。

数値計算において行列を使った計算はよく行いますよね？
この記事では、Pythonを使った行列計算の基礎についての解説を行います。

こんな人が対象

Python初心者でNumpyを使い始めている
Numpyを使った行列計算の基礎を知りたい

ベクトルの表記

ベクトルを列ベクトルで表記すると、

\begin{align*}\boldsymbol{a}=\begin{pmatrix}
a_{x}\\ a_{y}
\\a_{z}
\end{pmatrix}\tag{1}\end{align*}

となります。

行ベクトルで書く場合は、(1)の転置行列として表記します。

\begin{align*}\boldsymbol{{}^t\!a}=\begin{pmatrix}
a_{x}& a_{y} & a_{z}
\end{pmatrix}\tag{2}\end{align*}

ベクトルの内積

ベクトルの内積は、2つのベクトルの各成分についての積を足し合わせたものです。

今、2つのベクトルを$\boldsymbol{a}$と$\boldsymbol{b}$とします。

ベクトルの内積の表記

\begin{align*}
\boldsymbol{{}^t\!a}\boldsymbol{b}
=\begin{pmatrix}a_{x}& a_{y} & a_{z}\end{pmatrix}\begin{pmatrix}
b_{x}\\ b_{y}\\b_{z}
\end{pmatrix}=a_{x}b_{x}+a_{y}b_{y}+a_{z}b_{z}\tag{3}\end{align*}

高校生まではこうしていたかなと思います。

\begin{align*}
\boldsymbol{a}\cdot \boldsymbol{b}=(a_{x} \,a_{y} \,a_{z})\cdot(b_{x} \,b_{y} \,b_{z})=a_{x}b_{x}+a_{y}b_{y}+a_{z}b_{z}\tag{4}\end{align*}

このように考えても良いでしょう。

ベクトルの内積を計算

例えば次の2つのベクトルの内積を計算してみましょう。

\begin{align*}\boldsymbol{a}=\begin{pmatrix}
4\\ 5
\\6
\end{pmatrix}\tag{5}\end{align*}

\begin{align*}\boldsymbol{b}=\begin{pmatrix}
5\\ 3
\\7
\end{pmatrix}\tag{6}\end{align*}

ベクトルの内積は、

\begin{align*}
\boldsymbol{{}^t\!a}\boldsymbol{b}
=\begin{pmatrix}4& 5 & 6 \end{pmatrix}\begin{pmatrix}
5 \\ 3 \\ 7
\end{pmatrix}=4*5+5*3+6*7=77\tag{7}\end{align*}

Pythonでベクトルの内積「np.inner」を計算

Pythonでベクトルのベクトルの内積は「numpyのinner関数」という関数を使います。

import numpy as np

list_a=[4,5,6]
list_b=[5,3,7]

a=np.array(list_a)
b=np.array(list_b)

print("ベクトルa=",a)
print("ベクトルb=",b)

c=np.inner(a,b)
print("ベクトルaとbの内積=",c)

import numpy as np

list_a=[4,5,6]

list_b=[5,3,7]

a=np.array(list_a)

b=np.array(list_b)

print("ベクトルa=",a)

print("ベクトルb=",b)

c=np.inner(a,b)

print("ベクトルaとbの内積=",c)

先ほどと同様に、実行すると下記のようになります。

ベクトルa= [4 5 6]
ベクトルb= [5 3 7]
ベクトルaとbの内積= 77

ベクトルa= [4 5 6]

ベクトルb= [5 3 7]

ベクトルaとbの内積= 77

手計算で出した答えと同じですね。

※ちなみに外積は「numpyのcross関数」を使います。
内積が「inner」で、外積が「cross」と覚えておきましょう。

ベクトルの内積のPythonの別表記

ベクトルの内積は「numpyのdot関数」を使っても計算できます。

import numpy as np

list_a=[4,5,6]
list_b=[5,3,7]

a=np.array(list_a)
b=np.array(list_b)

print("ベクトルa=",a)
print("ベクトルb=",b)

c=np.dot(a,b)
print("ベクトルaとbの内積=",c)

import numpy as np

list_a=[4,5,6]

list_b=[5,3,7]

a=np.array(list_a)

b=np.array(list_b)

print("ベクトルa=",a)

print("ベクトルb=",b)

c=np.dot(a,b)

print("ベクトルaとbの内積=",c)

これを実行すると次の答えを返してくれます。

ベクトルa= [4 5 6]
ベクトルb= [5 3 7]
ベクトルaとbの内積= 77

ベクトルa= [4 5 6]

ベクトルb= [5 3 7]

ベクトルaとbの内積= 77

「nu.dot関数」を使った場合と同じ結果になりましたね。

行列の表記

簡単のために「2行2列の行列」を考えます。

$A$という行列は、下記のように表記します。

\begin{align*}A=\begin{pmatrix}
a_{11} & a_{12}\\
a_{21} & a_{22}
\end{pmatrix}
\end{align*}

Pythonで行列の作成

Pythonでの行列の作成はnumpyのmatrixというメソッドを用います。

2行2列の場合

\begin{align*}A=\begin{pmatrix}
1 & 2 \\
3 & 4
\end{pmatrix}
\end{align*}

import numpy as np

#1行目
list_1=[1,2]
#2行目
list_2=[3,4]

A=np.matrix([list_1,list_2])

print("A行列")
print(A)

import numpy as np

#1行目

list_1=[1,2]

#2行目

list_2=[3,4]

A=np.matrix([list_1,list_2])

print("A行列")

print(A)

実行すると以下を返してくれます。

A行列
[[1 2]
 [3 4]]

A行列

[[1 2]

[3 4]]

4行4列の場合

\begin{align*}A=\begin{pmatrix}
1 & 2 & 3 & 4\\
5 & 6 & 7 & 8\\
9 & 10 & 11 & 12\\
13 & 14 & 15 & 16
\end{pmatrix}
\end{align*}

import numpy as np

#1行目
list_1=[1,2,3,4]
#2行目
list_2=[5,6,7,8]
#3行目
list_3=[9,10,11,12]
#4行目
list_4=[13,14,15,16]


A=np.matrix([list_1,list_2,list_3,list_4])

print("A行列")
print(A)

import numpy as np

#1行目

list_1=[1,2,3,4]

#2行目

list_2=[5,6,7,8]

#3行目

list_3=[9,10,11,12]

#4行目

list_4=[13,14,15,16]

A=np.matrix([list_1,list_2,list_3,list_4])

print("A行列")

print(A)

実行すると以下を返してくれます。

A行列
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]

A行列

[[ 1 2 3 4]

[ 5 6 7 8]

[ 9 10 11 12]

[13 14 15 16]]

13行目は下記のように書いても良いです。

A=np.matrix([
    [1,2,3,4],
    [5,6,7,8],
    [9,10,11,12],
    [13,14,15,16],])

A=np.matrix([

[1,2,3,4],

[5,6,7,8],

[9,10,11,12],

[13,14,15,16],])

こちらの方が行列の書き方に近くてわかりやすいかもしれませんね。

ただリストを並べただけですってことを理解していればこれでも良いかもしれません。

転置行列とは

簡単のために「2行2列の行列」を考えます。

$A$という行列は、下記のように表記します。

$$A=\begin{pmatrix}
a_{11} & a_{12}\\
a_{21} & a_{22}
\end{pmatrix}\tag{8}$$

$A$行列の転置行列は以下のように書きます。

$${}^t\!A=\begin{pmatrix}
a_{11} & a_{21}\\
a_{12} & a_{22}
\end{pmatrix}\tag{9}$$

(8)と比較して行と列が入れ替わっただけです。

Pythonを用いて転置行列を作成

例えば、下記の行列Aの転置行列をPythonで作成してみましょう。

$$A=\begin{pmatrix}
1 & 2 & 3 & 4\\
5 & 6 & 7 & 8\\
9 & 10 & 11 & 12\\
13 & 14 & 15 & 16
\end{pmatrix}\tag{10}$$

np.transposeを使って転置行列を作成

転置行列の作成はとても簡単です。

「numpyの中のtranspose関数」を使って転置行列を作成することができます。

import numpy as np

#1行目
list_1=[1,2,3,4]
#2行目
list_2=[5,6,7,8]
#3行目
list_3=[9,10,11,12]
#4行目
list_4=[13,14,15,16]


A=np.matrix([list_1,list_2,list_3,list_4])
t_A=np.transpose(A)

print("A行列")
print(A)

print("Aの転置行列")
print(t_A)

import numpy as np

#1行目

list_1=[1,2,3,4]

#2行目

list_2=[5,6,7,8]

#3行目

list_3=[9,10,11,12]

#4行目

list_4=[13,14,15,16]

A=np.matrix([list_1,list_2,list_3,list_4])

t_A=np.transpose(A)

print("A行列")

print(A)

print("Aの転置行列")

print(t_A)

実行結果

A行列
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]
Aの転置行列
[[ 1  5  9 13]
 [ 2  6 10 14]
 [ 3  7 11 15]
 [ 4  8 12 16]]

A行列

[[ 1 2 3 4]

[ 5 6 7 8]

[ 9 10 11 12]

[13 14 15 16]]

Aの転置行列

[[ 1 5 9 13]

[ 2 6 10 14]

[ 3 7 11 15]

[ 4 8 12 16]]

Tプロパティを使って転置行列を作成

もうひとつの方法としては、np.matrixで作成したmatrix値のTプロパティというのを使って転置行列を作成できます。

import numpy as np

#1行目
list_1=[1,2,3,4]
#2行目
list_2=[5,6,7,8]
#3行目
list_3=[9,10,11,12]
#4行目
list_4=[13,14,15,16]


A=np.matrix([list_1,list_2,list_3,list_4])
tA=A.T
print("A行列")
print(A)

print("Aの転置行列")
print(tA)

import numpy as np

#1行目

list_1=[1,2,3,4]

#2行目

list_2=[5,6,7,8]

#3行目

list_3=[9,10,11,12]

#4行目

list_4=[13,14,15,16]

A=np.matrix([list_1,list_2,list_3,list_4])

tA=A.T

print("A行列")

print(A)

print("Aの転置行列")

print(tA)

実行するとこのように返してくれます。

A行列
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]
Aの転置行列
[[ 1  5  9 13]
 [ 2  6 10 14]
 [ 3  7 11 15]
 [ 4  8 12 16]]

A行列

[[ 1 2 3 4]

[ 5 6 7 8]

[ 9 10 11 12]

[13 14 15 16]]

Aの転置行列

[[ 1 5 9 13]

[ 2 6 10 14]

[ 3 7 11 15]

[ 4 8 12 16]]

見事に行と列が入れ替わってくれましたね。

出力結果が、

$${}^t\!A=\begin{pmatrix}
1 & 5 & 9 & 13\\
2 & 6 & 10 & 14\\
3 & 7 & 11 & 15\\
4 & 8 & 12 & 16
\end{pmatrix\tag{11}$$

となっていることを確認してください。

行列の積

3行3列の行列$A$と$B$を考えます。

\begin{align*}A=\begin{pmatrix}
1 &2 &3 \\
4 &5 &6 \\
7 & 8 &9
\end{pmatrix}\tag{12}\end{align*}

\begin{align*}B=\begin{pmatrix}
11 &12 &13 \\
14 &15 &16 \\
17 &18 &19
\end{pmatrix}\tag{13}\end{align*}

行列の積とは、

\begin{align*}AB=\begin{pmatrix}
1 &2 &3 \\
4 &5 &6 \\
7 & 8 &9
\end{pmatrix}\begin{pmatrix}
11 &12 &13 \\
14 &15 &16 \\
17 &18 &19
\end{pmatrix}\tag{14}\end{align*}

を計算することになります。

計算方法は、「行列$A$の$i$行目」と「行列$B$の$j$列目」の各成分同士の積を足し合わせたものを$i$行$j$列目に書いていく。

具体的には、下記のようなことを繰り返していきます。

計算するのは結構面倒です。

※行列の積はどのような行列同士でも計算できるわけではありません。

例えば「$i$行$j$列の行列$A$」と「$m$行$n$列の行列$B$」があったとします。

行列の積が計算できるのは、$i=n$（一つ目の行列Aの”行”と行列Bの”列”の数が同じ）の場合だけです。

だからこのような場合は計算ができません。

\begin{align*}A=\begin{pmatrix}
1 &2 &3 &4&5\\
6 &7 &8 &9&10 \\
11 &12 &13 &14&15
\end{pmatrix}\end{align*}

\begin{align*}B=\begin{pmatrix}
21 &22 &23 \\
24 &25 &26 \\
27 &28 &29 \\
\end{pmatrix}\end{align*}

この２つの行列の積

\begin{align*}AB=\begin{pmatrix}
1 &2 &3 &4&5\\
6 &7 &8 &9&10 \\
11 &12 &13 &14&15
\end{pmatrix}\begin{pmatrix}
21 &22 &23 \\
24 &25 &26 \\
27 &28 &29 \\
\end{pmatrix}\end{align*}

Pythonでもこの場合は計算エラーが出ます。

Pythonで行列の計算

では、

\begin{align*}AB=\begin{pmatrix}
1 &2 &3 \\
4 &5 &6 \\
7 & 8 &9
\end{pmatrix}\begin{pmatrix}
11 &12 &13 \\
14 &15 &16 \\
17 &18 &19
\end{pmatrix}\tag{15}\end{align*}

の計算をPythonにしてもらいましょう。

Pythonを用いて行列の計算を行うには、「numpyのdot関数」を使います。

import numpy as np

#行列Aを定義
A=np.matrix([[1,2,3],
    [4,5,6],
    [7,8,9]    
])

#行列Bを定義
B=np.matrix([[11,12,13],
    [14,15,16],
    [17,18,19]    
])

#行列の積（AとBの積）
C=np.dot(A,B)

print("行列の積C")
print(C)

import numpy as np

#行列Aを定義

A=np.matrix([[1,2,3],

[4,5,6],

[7,8,9]

])

#行列Bを定義

B=np.matrix([[11,12,13],

[14,15,16],

[17,18,19]

])

#行列の積（AとBの積）

C=np.dot(A,B)

print("行列の積C")

print(C)

実行結果

行列の積C
[[ 90  96 102]
 [216 231 246]
 [342 366 390]]

行列の積C

[[ 90 96 102]

[216 231 246]

[342 366 390]]

面倒な結果も楽々計算してくれます。

「3行5列の行列」と「5行3列の行列」の積

これも計算はできます。

例えば下記のような２つの行列があったとします。

\begin{align*}A=\begin{pmatrix}
1 &2 &3 &4&5\\
6 &7 &8 &9&10 \\
11 &12 &13 &14&15
\end{pmatrix}\tag{16}\end{align*}

\begin{align*}B=\begin{pmatrix}
21 &22 &23 \\
24 &25 &26 \\
27 &28 &29 \\
30 &31 &32 \\
33 &33 &35 \\
\end{pmatrix}\tag{17}\end{align*}

この２つの行列の積とは、

\begin{align*}AB=\begin{pmatrix}
1 &2 &3 &4&5\\
6 &7 &8 &9&10 \\
11 &12 &13 &14&15
\end{pmatrix}\begin{pmatrix}
21 &22 &23 \\
24 &25 &26 \\
27 &28 &29 \\
30 &31 &32 \\
33 &33 &35 \\
\end{pmatrix}\tag{18}\end{align*}

を計算することになります（手計算はめちゃくちゃめんどうです）

これをPythonで実行します。

import numpy as np

#行列Aを定義
A=np.matrix([[1,2,3,4,5],
             [6,7,8,9,10],
             [11,12,13,14,15]    
            ])

#行列Bを定義
B=np.matrix([[21,22,23], 
             [24,25,26],
             [27,28,29],
             [30,31,32],
             [33,34,35]
            ])

#行列の積（AとBの積）
C=np.dot(A,B)

print("行列の積C")
print(C)

import numpy as np

#行列Aを定義

A=np.matrix([[1,2,3,4,5],

[6,7,8,9,10],

[11,12,13,14,15]

])

#行列Bを定義

B=np.matrix([[21,22,23],

[24,25,26],

[27,28,29],

[30,31,32],

[33,34,35]

])

#行列の積（AとBの積）

C=np.dot(A,B)

print("行列の積C")

print(C)

実行結果

行列の積C
[[ 435  450  465]
 [1110 1150 1190]
 [1785 1850 1915]]

行列の積C

[[ 435 450 465]

[1110 1150 1190]

[1785 1850 1915]]

3行3列の行列が結果として出てきました。

「3行5列の行列」と「3行3列の行列」の積

\begin{align*}AB=\begin{pmatrix}
1 &2 &3 &4&5\\
6 &7 &8 &9&10 \\
11 &12 &13 &14&15
\end{pmatrix}\begin{pmatrix}
21 &22 &23 \\
24 &25 &26 \\
27 &28 &29 \\
\end{pmatrix}\end{align*}

を計算してみることにします。

これはエラーが出ます。

import numpy as np

#行列Aを定義
A=np.matrix([[1,2,3,4,5], 
             [6,7,8,9,10],
             [11,12,13,14,15]           
　　　　　　　])

#行列Bを定義
B=np.matrix([[21,22,23],
             [24,25,26],
             [27,28,29]
            ])

#行列の積（AとBの積）
C=np.dot(A,B)

print("行列の積C")
print(C)

import numpy as np

#行列Aを定義

A=np.matrix([[1,2,3,4,5],

[6,7,8,9,10],

[11,12,13,14,15]

　　　　　　　])

#行列Bを定義

B=np.matrix([[21,22,23],

[24,25,26],

[27,28,29]

])

#行列の積（AとBの積）

C=np.dot(A,B)

print("行列の積C")

print(C)

結果は下記のようなエラーが出されてしまいました。

ValueError                                Traceback (most recent call last)
<ipython-input-16-f50f58ecfad6> in <module>()
     14 
     15 #行列の積（AとBの積）
---> 16 C=np.dot(A,B)
     17 
     18 print("行列の積C")

ValueError: shapes (3,5) and (3,3) not aligned: 5 (dim 1) != 3 (dim 0)

ValueError Traceback (most recent call last)

<ipython-input-16-f50f58ecfad6> in <module>()

15 #行列の積（AとBの積）

---> 16 C=np.dot(A,B)

18 print("行列の積C")

ValueError: shapes (3,5) and (3,3) not aligned: 5 (dim 1) != 3 (dim 0)

「5行5列の行列」と「3行3列の行列」の積

\begin{align*}AB=\begin{pmatrix}
1 &2 &3 &4&5\\
6 &7 &8 &9&10 \\
11 &12 &13 &14&15\\
16 &17 &18 &19&20\\
21 &22 &23 &24&25
\end{pmatrix}\begin{pmatrix}
21 &22 &23 \\
24 &25 &26 \\
27 &28 &29 \\
\end{pmatrix}\end{align*}

を計算してみることにします。

これはエラーが出ます。

import numpy as np

#行列Aを定義
A=np.matrix([[1,2,3,4,5],
             [6,7,8,9,10],
             [11,12,13,14,15],
             [16,17,18,19,20],
             [21,22,23,24,25]
            ])

#行列Bを定義
B=np.matrix([[21,22,23],
             [24,25,26],
             [27,28,29]
            ])

#行列の積（AとBの積）
C=np.dot(A,B)

print("行列の積C")
print(C)

import numpy as np

#行列Aを定義

A=np.matrix([[1,2,3,4,5],

[6,7,8,9,10],

[11,12,13,14,15],

[16,17,18,19,20],

[21,22,23,24,25]

])

#行列Bを定義

B=np.matrix([[21,22,23],

[24,25,26],

[27,28,29]

])

#行列の積（AとBの積）

C=np.dot(A,B)

print("行列の積C")

print(C)

結果はエラーが出ます。

ValueError                                Traceback (most recent call last)
<ipython-input-17-0d4b32b6469a> in <module>()
     16 
     17 #行列の積（AとBの積）
---> 18 C=np.dot(A,B)
     19 
     20 print("行列の積C")

ValueError: shapes (5,5) and (3,3) not aligned: 5 (dim 1) != 3 (dim 0)

ValueError Traceback (most recent call last)

<ipython-input-17-0d4b32b6469a> in <module>()

17 #行列の積（AとBの積）

---> 18 C=np.dot(A,B)

20 print("行列の積C")

ValueError: shapes (5,5) and (3,3) not aligned: 5 (dim 1) != 3 (dim 0)

「5行5列の行列」と「5行2列の行列」の積

\begin{align*}AB=\begin{pmatrix}
1 &2 &3 &4&5\\
6 &7 &8 &9&10 \\
11 &12 &13 &14&15\\
16 &17 &18 &19&20\\
21 &22 &23 &24&25
\end{pmatrix}\begin{pmatrix}
21 &22 \\
23 &24 \\
25 &26 \\
27 &28 \\
29 &30 \\
\end{pmatrix}\end{align*}

これなら1つ目の行列の”行”と2つ目の行列の”列”の数が合っているので計算ができます。

import numpy as np

#行列Aを定義
A=np.matrix([[1,2,3,4,5],
             [6,7,8,9,10],
             [11,12,13,14,15],
             [16,17,18,19,20],
             [21,22,23,24,25]
            ])

#行列Bを定義
B=np.matrix([[21,22],
             [23,24],
             [25,26],
             [27,28],
             [29,20]
            ])

#行列の積（AとBの積）
C=np.dot(A,B)

print("行列の積C")
print(C)

import numpy as np

#行列Aを定義

A=np.matrix([[1,2,3,4,5],

[6,7,8,9,10],

[11,12,13,14,15],

[16,17,18,19,20],

[21,22,23,24,25]

])

#行列Bを定義

B=np.matrix([[21,22],

[23,24],

[25,26],

[27,28],

[29,20]

])

#行列の積（AとBの積）

C=np.dot(A,B)

print("行列の積C")

print(C)

実行してみると、

行列の積C
[[ 395  360]
 [1020  960]
 [1645 1560]
 [2270 2160]
 [2895 2760]]

行列の積C

[[ 395 360]

[1020 960]

[1645 1560]

[2270 2160]

[2895 2760]]

どうやらnp.matrixとしなくても計算してくれる？

行列の積の計算には、計算する行列を

A=np.matrix([[1,2,3],
    [4,5,6],
    [7,8,9]    
])

A=np.matrix([[1,2,3],

[4,5,6],

[7,8,9]

])

と書かずに、

A=([[1,2,3],
    [4,5,6],
    [7,8,9]
　　])

A=([[1,2,3],

[4,5,6],

[7,8,9]

　　])

としてても行列の積は計算してくれるようです。

試しにしてみます。

import numpy as np

#行列Aを定義
A=([[1,2,3],
    [4,5,6],
    [7,8,9] 
   ])

#行列Bを定義
B=([[11,12,13],
    [14,15,16],
    [17,18,19]    
   ])

#行列の積（AとBの積）
C=np.dot(A,B)

print("行列の積C")
print(C)

import numpy as np

#行列Aを定義

A=([[1,2,3],

[4,5,6],

[7,8,9]

])

#行列Bを定義

B=([[11,12,13],

[14,15,16],

[17,18,19]

])

#行列の積（AとBの積）

C=np.dot(A,B)

print("行列の積C")

print(C)

実行結果

行列の積C
[[ 90  96 102]
 [216 231 246]
 [342 366 390]]

行列の積C

[[ 90 96 102]

[216 231 246]

[342 366 390]]

結果は「np.matrix」で行列を作った場合と同じでしたね。

実はmatrixで行列を作成した場合は、A*Bで行列の積を計算できる

後で知ったのですが、行列の積はA*Bと書いても良いみたいです。

import numpy as np

#行列Aを定義
A=np.matrix([[1,2,3],
    [4,5,6],
    [7,8,9]    
            ])

#行列Bを定義
B=np.matrix([[11,12,13],
    [14,15,16],
    [17,18,19]
            ])

#行列の積（AとBの積）
C=A*B

print("行列の積C")
print(C)

import numpy as np

#行列Aを定義

A=np.matrix([[1,2,3],

[4,5,6],

[7,8,9]

])

#行列Bを定義

B=np.matrix([[11,12,13],

[14,15,16],

[17,18,19]

])

#行列の積（AとBの積）

C=A*B

print("行列の積C")

print(C)

実行結果

行列の積C
[[ 90  96 102]
 [216 231 246]
 [342 366 390]]

行列の積C

[[ 90 96 102]

[216 231 246]

[342 366 390]]

Pythonで配列に値を追加

グラフを配列の追加というのをPythonを用いて行います。

配列に値を追加するには「numpyのappend」を使います。

import numpy as np

list_a=[1,2,3]
list_b=[4,5,6,7,8,9]

list_ab=np.append(list_a,list_b)
print(list_ab)

import numpy as np

list_a=[1,2,3]

list_b=[4,5,6,7,8,9]

list_ab=np.append(list_a,list_b)

print(list_ab)

実行結果

[1 2 3 4 5 6 7 8 9]

1	[1 2 3 4 5 6 7 8 9]

ベクトルの表記

ベクトルの内積

ベクトルの内積を計算

Pythonでベクトルの内積「np.inner」を計算

ベクトルの内積のPythonの別表記

行列の表記

Pythonで行列の作成

2行2列の場合

4行4列の場合

転置行列とは

Pythonを用いて転置行列を作成

np.transposeを使って転置行列を作成

Tプロパティを使って転置行列を作成

行列の積

Pythonで行列の計算

「3行5列の行列」と「5行3列の行列」の積

「3行5列の行列」と「3行3列の行列」の積

「5行5列の行列」と「3行3列の行列」の積

「5行5列の行列」と「5行2列の行列」の積

どうやらnp.matrixとしなくても計算してくれる？

実はmatrixで行列を作成した場合は、A*Bで行列の積を計算できる

Pythonで配列に値を追加

【第6回Python流体の数値計算】１次元移流方程式のクーラン条件を確認！数値的安定性（差分法）

【第17回Python流体の数値計算】2次元ナビエストークス方程式！ポアズイユ流れをPythonで実装する。

Python ファイルの読み込み方法

【第8.1回Python流体の数値計算】バーガース方程式を差分法で実装する。

【Python初心者】タプル型を学ぼう！

【Pythonプログラム】衝撃波菅の理論とOpenFOAMの結果比較

モンテカルロ法を用いて円周率をPythonで近似計算する

【第14回Python流体の数値計算】2次元ラプラス方程式をPythonで実装する。

Pythonで1次元熱伝導方程式のグラフのアニメーションが簡単にできた

【Python入門講座】タイタニック号のデータ分析

Python(gspred)でスプレッドシートを操作する。

【Python初心者】 関数の基本を理解しよう。

【Python初心者】クラスの基本定義とコードの書き方を解説する。

【第8.2回Python流体の数値計算】バーガース方程式の非線形項は異なる波数間での相互作用が生じるという意味。

Pythonの環境構築のためのインストール先まとめ

【Python初心者】クラスの継承の基本定義とコードの書き方を解説する。

【簡単にできた！】データをPythonで読み込んでアニメーション作成

【第3回Python流体の数値計算】「参照渡し」と「値渡し」の違いを理解する。

【Python入門講座】Pandasの基礎を身に付けよう

【第1回Python流体の数値計算】目標と環境構築。まずはここからはじめよう！

COMMENT コメントをキャンセル

【Python初心者】関数の基本を理解しよう。