NumPyはPythonで数値計算を効率的に行うためのライブラリです。この記事では、NumPyの配列（numpy array）の作成方法と基本的な操作について詳しく説明します。具体的なコード例とその解説、さらに応用例を2つ含めています。
目次
NumPy配列の基本
NumPy配列はPythonのリストと似ていますが、数値計算に特化しているため高速です。ここでは、最も基本的な配列の作成方法と属性について見ていきます。
import numpy as np
# 1次元配列の作成
array_1d = np.array([1, 2, 3])
# 2次元配列の作成
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
配列の属性
配列の形状、次元数、データ型などを確認できる属性があります。
# 形状の確認
print(array_1d.shape) # 出力: (3,)
print(array_2d.shape) # 出力: (2, 3)
# 次元数の確認
print(array_1d.ndim) # 出力: 1
print(array_2d.ndim) # 出力: 2
# データ型の確認
print(array_1d.dtype) # 出力: int64
print(array_2d.dtype) # 出力: int64
配列の操作
インデックスとスライシング
NumPy配列の要素には、インデックスやスライスを使ってアクセスできます。
# インデックスでアクセス
print(array_1d[0]) # 出力: 1
# スライスでアクセス
print(array_2d[:, 1]) # 出力: [2 5]
要素の変更と削除
要素の値を変更したり、特定の要素を削除する方法もあります。
# 要素の変更
array_1d[0] = 10
print(array_1d) # 出力: [10 2 3]
# 要素の削除
array_1d = np.delete(array_1d, 0)
print(array_1d) # 出力: [2 3]
応用例1: 行列の演算
NumPy配列を使った行列の加算と乗算を示します。
# 行列の作成
matrix_a = np.array([[1, 2], [3, 4]])
matrix_b = np.array([[5, 6], [7, 8]])
# 行列の加算
matrix_sum = matrix_a + matrix_b
print(matrix_sum)
# 行列の乗算
matrix_product = np.dot(matrix_a, matrix_b)
print(matrix_product)
応用例2: 統計量の計算
平均や標準偏差などの基本的な統計量も簡単に計算できます。
# 配列の作成
array_data = np.array([1, 2, 3, 4, 5])
# 平均の計算
mean_value = np.mean(array_data)
print(mean_value) # 出力: 3.0
# 標準偏差の計算
std_value = np.std(array_data)
print(std_value) # 出力: 1.4142135623730951
まとめ
NumPyは高度な数値計算を効率的に行うために非常に便利なツールです。この記事では基本的な配列の作成方法から、要素の操作、さらには応用例まで詳しく説明しました。これを機に、PythonとNumPyを使ってデータ処理や数値計算に挑戦してみてください。
コメント