エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント1件
- 注目コメント
- 新着コメント
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
配列の次元数や大きさの操作 — 機械学習の Python との出会い
配列の次元数や大きさの操作¶ ブロードキャストを紹介する前に, NumPy 配列の基礎 で紹介した,NumPy ... 配列の次元数や大きさの操作¶ ブロードキャストを紹介する前に, NumPy 配列の基礎 で紹介した,NumPy の配列クラス np.ndarray の属性 ndim と shape を操作する方法を紹介します. ndim は,配列の次元数を表す属性で,ベクトルでは 1 に,行列では 2 になります. shape は,スカラーや,タプルによって配列の各次元の大きさを表す属性です. 例えば,大きさが 5 のベクトルはスカラー 5 によって, \(2 \times 3\) の行列はタプル (2, 3) となります. 次元数を操作する必要がある例として配列の転置の例を紹介します. 転置した配列を得るには,属性 T か,メソッド transpose() を用います. 2次元の配列である行列を転置してみましょう: In [10]: a = np.array([[1, 3], [2, 1]]) In [
2017/04/01 リンク