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！ 🚀
