Python NumPy ライブラリ完全ガイド

Python の NumPy は、数値計算を効率的に行うための強力なライブラリです。本記事では、NumPy の主要な機能とその活用方法について詳しく解説します。

1. NumPy ライブラリの概要

  • NumPy は、配列（ndarray）を操作するためのライブラリであり、高速な数値計算が可能です。
  • ベクトル演算や線形代数、統計処理などに最適です。
  • pandas や scipy などの他の科学計算ライブラリの基盤となっています。

インストール方法

NumPy は pip で簡単にインストールできます。

pip install numpy
--- ## 2. 主な機能と使用例 ### (1) `NumPy` 配列の作成（`array`） 
import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr)
**使用例:** リストから `NumPy` 配列を作成し、高速な数値計算を可能にする。 --- ### (2) ゼロ・1・ランダム配列の作成 
import numpy as np

zeros = np.zeros((3, 3))
ones = np.ones((2, 2))
random = np.random.rand(3, 3)
print(zeros, ones, random)
**使用例:** 数値解析や機械学習の初期値設定に便利。 --- ### (3) 配列の形状変更（`reshape`） 
import numpy as np

arr = np.arange(9).reshape(3, 3)
print(arr)
**使用例:** 1次元配列を2次元や3次元に変換して扱いやすくする。 --- ### (4) 配列の演算（加算・減算・乗算・除算） 
import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
print(arr1 + arr2)  # [5 7 9]
print(arr1 - arr2)  # [-3 -3 -3]
print(arr1 * arr2)  # [4 10 18]
print(arr1 / arr2)  # [0.25 0.4  0.5]
**使用例:** ベクトル演算を簡単に実装し、高速な数値処理を実現。 --- ### (5) 統計関数の利用（平均・中央値・標準偏差） 
import numpy as np

data = np.array([1, 2, 3, 4, 5])
print(np.mean(data))  # 平均
print(np.median(data))  # 中央値
print(np.std(data))  # 標準偏差
**使用例:** 統計分析やデータサイエンスに役立つ。 --- ### (6) 行列の積（`dot`） 
import numpy as np

A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
result = np.dot(A, B)
print(result)
**使用例:** 行列の積を計算し、機械学習や線形代数の計算に活用。 --- ### (7) 条件に基づく要素の抽出（`where`） 
import numpy as np

arr = np.array([10, 20, 30, 40, 50])
indices = np.where(arr > 25)
print(arr[indices])
**使用例:** 特定の条件を満たす要素を抽出する。 --- ### (8) 転置行列（`transpose`） 
import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6]])
transposed = matrix.T
print(transposed)
**使用例:** 行列の転置を行い、線形代数の計算を容易にする。 --- ### (9) 最大値・最小値の取得（`max`, `min`） 
import numpy as np

arr = np.array([10, 20, 5, 8, 25])
print(np.max(arr))  # 最大値
print(np.min(arr))  # 最小値
**使用例:** データの範囲を特定し、統計分析に活用する。 --- ### (10) ユニバーサル関数（`sin`, `cos`, `log` など） 
import numpy as np

arr = np.array([0, np.pi/2, np.pi])
print(np.sin(arr))  # サイン関数
print(np.cos(arr))  # コサイン関数
print(np.log(np.array([1, np.e, np.e**2])))  # 自然対数
**使用例:** 数学的な計算を高速に処理し、データ分析や機械学習に活用。 --- ## 3. `NumPy` の主な機能 | 機能 | 説明 | |------------------|------| | `array` | 配列を作成する | | `zeros` / `ones` | 0や1で埋められた配列を作成する | | `random.rand` | ランダムな配列を作成する | | `reshape` | 配列の形状を変更する | | `mean` / `median` / `std` | 統計量を計算する | --- ## まとめ Python の `NumPy` ライブラリを活用すると、高速な数値計算が可能になります。データ解析、機械学習、シミュレーションなど幅広い分野で利用できるため、ぜひ `NumPy` を活用して効率的なデータ処理を実現しましょう！ 🚀