【Python応用】Pythonと数値計算-NumPyを用いたデータ操作-

Python

ここでは、PythonにおけるNumPyを用いたデータ操作方法について解説しています。

スポンサーリンク
スポンサーリンク

NumPyとは

NumPy(Numerical Python)」とは数値計算を行うためのモジュールで、多次元配列や高水準の数学関数ライブラリを用いて効率的に計算を行うことが可能です。

また、NumPyは数値計算ライブラリですの単体で使用するというよりもPndasなどのデータ処理ライブラリと一緒に使用する場合が多いのが特徴です。

NumPyのインストール

「NumPy」を使用するにはライブラリをインストールしておく必要があります。

$ pip install numpy

NumPyを用いた使用例

NumPyの操作で最低限押さえておきたいことを紹介しています。

NumPy配列の作成

import numpy as np
#1---行列の生成
np_arr = np.array([[1, 2], [3, 4]])
print(np_arr)

上記がプログラムになります。このプログラムは行列を生成する内容となっています。

np.array()でNumPy配列(ndarray)を生成しています。

結果

[[1 2]
 [3 4]]

2×2行列が生成されていることが確認できました。

NumPy配列の計算

import numpy as np
a = np.array([1, 2])
b = np.array([1, 2])
c = 3
ab = a * b
ac = a*c
print(ab)
print(ac)

基本的操作として、np.array配列同士の計算とnp.array配列に数値単体を用いた計算を行うことが可能です。

結果

[1 4]
[3 6]

「a*b」は1*1、2*2をそれぞれ計算した結果になっています。

「a*c」は1*3、2*3をそれぞれ計算した結果になっています。

NumPy配列に変換

import pandas as pd, numpy as np
f = pd.Series([100,130,200,340,498,537])
p = np.array(f)
print(p)

PandasのSeriesからNumPy配列に変換する場合は「np.array()」にリストを与えるだけで変換可能です。

結果

[100 130 200 340 498 537]

変換できていることが確認できます。

今回紹介した操作方法は基本的なものになります。詳しい操作方法は公式サイトを参照下さい。

最低限押さえておきたい表現

項目内容
***.arangearangeを用いて配列を作成できます。列、範囲指定が簡単に行えます。
***.sizesizeを用いて要素数を数えられます。
***.shapeshapeを用いて配列の次元を調べられます。
***.copycopyを用いて配列を複製することができます。
***.eyeeyeを用いて単位行列を作成できます。
***.zeroszerosを用いて0要素の配列を作成できます。

各リンク先では使用例を紹介しています。良かったら覗いて下さい。

その他、NumPyを用いた使用例

NumPyを用いたプログラム例を以下に挙げています。適宜、覗いて下さい。

項目内容
NumPyにおける連番の作成方法リンク先では、NumPyにおける連番の作成方法について解説しています。また、NumPyで主に利用されるデータ型dtype一覧をまとめています。
sin,cos,tanの算出とグラフ出力方法リンク先では、NumPyにおけるsin,cos,tanの算出とグラフ出力方法について解説しています。

タイトルとURLをコピーしました