NumPyのデータ型-int, float, complex使用例まとめ-

NumPy（Numerical Python）は、Pythonの数値計算ライブラリの中でも頻繁に使用されるライブラリになります。

NumPyは高性能の多次元配列オブジェクトである「ndarray」を提供し、科学計算やデータ解析のための基盤となっています。

この記事では、NumPyでサポートされている主要なデータ型に焦点を当て、それぞれの使い方と違いについて詳しく解説しています。

この記事の対象

INDEX

Numpyのデータ型一覧

NumPyは様々なデータ型をサポートしており、それぞれ異なる用途に適しています。以下はNumPyでよく使用される主要なデータ型の一覧です。

これらのデータ型は、NumPyの配列（ndarray）内で使用され、データの表現方法や演算方法に影響を与えます。それぞれのデータ型について詳しく見ていきましょう。

intは、整数を表すための基本的なデータ型です。NumPyではさらに細かくいくつかの整数型が用意されており、以下がその一部です。

これらの整数型は、符号付き整数を表現するために使用されます。例えば、次のようにNumPyのint型を使って整数の配列を作成できます。

import numpy as np

arr = np.array([1, 2, 3], dtype=np.int32)

整数型を指定しない場合、デフォルトでint64が使われます。

floatは浮動小数点数（実数）を表すためのデータ型です。NumPyではいくつかの浮動小数点型が提供されています。

浮動小数点数は実数の近似値として表現され、高い精度を持っています。例えば、次のようにNumPyのfloat型を使って浮動小数点数の配列を作成できます。

import numpy as np

arr = np.array([1.0, 2.5, 3.7], dtype=np.float64)

整数型と同様に、浮動小数点型を指定しない場合、デフォルトでfloat64が使われます。

complexは複素数を表現するためのデータ型です。複素数は実数部と虚数部から構成され、数学やエンジニアリングの多くの分野で使用されます。

NumPyでは、次のように複素数を定義できます。

import numpy as np
z = 3 + 4j  # 実数部が3、虚数部が4の複素数

また、複素数の配列も簡単に作成できます。

arr = np.array([1 + 2j, 3 - 1j, 0 + 0j], dtype=np.complex64)

boolはブール値（真偽値）を表すためのデータ型です。ブール型は主に条件式の結果やフィルタリングなどで使用されます。ブール型はTrue（真）またはFalse（偽）の値を持ちます。

例えば、次のようにNumPyのbool型を使ってブールの配列を作成できます。

import numpy as np

arr = np.array([True, False, True, False], dtype=np.bool)

strは文字列を表すためのデータ型です。文字列型はテキストデータを扱う際に使用されます。NumPyの文字列型はPythonの文字列型（str）と似ていますが、固定サイズの文字列を扱うために最適化されています。

import numpy as np

arr = np.array(["apple", "banana", "cherry"], dtype=np.str_)

objectはPythonオブジェクトを格納するためのデータ型です。object型の配列は異なる型の要素を格納できますが、通常のNumPy配列よりも柔軟性があります。ただし、性能の面で制約があるため、特別なケースでのみ使用されるべきです。

import numpy as np

arr = np.array([1, "apple", [1, 2, 3]], dtype=object)

datetime64は日時情報を表現するためのデータ型です。日付や時刻のデータを扱う際に使用され、時間の計算やインデックス付けに適しています。

例えば、次のように日時型の配列を作成できます。

import numpy as np

arr = np.array(["2023-01-01", "2023-02-01", "2023-03-01"], dtype='datetime64')

timedelta64は時間の差分を表現するためのデータ型です。時間や日付の差を計算する際に使用されます。例えば、次のように時間差型の配列を作成できます。

import numpy as np

arr = np.array([np.timedelta64(1, 'D'), np.timedelta64(4, 'h'), np.timedelta64(30, 'm')])

NumPyのデータ型は、配列を作成する際に明示的に指定することができます。データ型の指定は、配列の要素がどのようにメモリ内に格納されるかに影響を与えます。

例えば、次のようにデータ型を指定して配列を作成できます。

import numpy as np

arr = np.array([1, 2, 3], dtype=np.int32)

また、既存の配列のデータ型を変更することもできます。

arr = arr.astype(np.float64)  # 整数型から浮動小数点型へ変換

NumPyのデータ型を選ぶ際にいくつかの注意事項があります。

NumPyのデータ型は、データ分析や科学計算において非常に重要な役割を果たします。適切なデータ型を選ぶことは、効率的な計算と正確な結果の獲得に欠かせないステップです。データ型についての理解を深め、適切に活用することで、Pythonを用いたさまざまな数値計算の課題に対処できるようになると思います。