PythonのNumpyでよく使う関数

PythonのNumpyは、機械学習やディープラーニングをする上で欠かせないライブラリです。

Numpyのライブラリの中でも、よく使われる便利な関数を紹介します。これらの関数をマスターすることで、より高度な数値計算が可能になりまので、ぜひ参考にしてください。

この記事の他に、NumpyやMatplotlibについてもまとめていますので、よろしければご確認下さい。

Numpyとは

Numpyについて、公式では以下のように説明がされています。

NumPyは、Pythonで科学計算を行うための基本パッケージです。多次元配列オブジェクト、様々な派生オブジェクト（マスクされた配列や行列など）、そして数学、論理、図形操作、ソート、選択、入出力、離散フーリエ変換、基本線形代数、基本統計演算、ランダムシミュレーションなど、配列に対する高速演算のためのルーチンの数々を提供する Pythonライブラリである。

https://numpy.org/doc/stable/user/whatisnumpy.html#

簡単に要約すると、Numpyは効率かつ高速な数値計算を行うことができるPythonライブラリのことです。

ちなみにライブラリとは、プログラミングで使える機能が詰まった「部品箱」のようなものです。わざわざ、必要な機能を自分でプログラムするのは大変ですが、既に用意されたライブラリを使うことで、必要な機能を簡単に使うことができます。

Numpyを使う準備

それでは、pythonでNumpyを使うためにインストールとインポートについてご紹介します。

Numpyのインストール

以下のコマンドより、Numpyをインストールします。

pip install numpy

Numpyのインポート

以下のコマンドより、Numpyをインポートします。

import numpy as np

Numpyの配列作成

np.array()

np.array()は、配列を作成します。

 np.array([1, 2, 3])
'''
array([1, 2, 3])
'''

np.array([[1, 2, 3], [4, 5, 6]])
'''
array([[1, 2, 3],[4, 5, 6]])
'''

np.arange()

np.arange()は、指定した数の連番の配列を作成します。

 np.arange(10) #0から9までの連続値
'''
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
'''

np.arange(0, 13, 3)　#0から12までの3ずつ大きくなる連続値
'''
array([0, 3, 6, 9, 12])
'''

np.linspace()

np.linspace()は、指定した範囲内で等間隔に分割された配列を作成します。

np.linspace(0, 6, 9) #0から6までの範囲を9つに均等に分割する
'''
array([0.  , 0.75, 1.5 , 2.25, 3.  , 3.75, 4.5 , 5.25, 6.  ])
'''

np.zeros()

np.zeros()は、全ての要素が0の配列を作成します。

np.zeros((2, 4)) #引数に配列の形態を入力
'''
array([0, 0, 0, 0],
      [0, 0, 0, 0]])
'''

Numpyの配列結合

np.concatenate()

np.concatenate()は、配列どうしを結合させます。

array1 = np.array([1, 2, 3])
array2 = np.array([4, 5, 6])
np.concatenate([array1, array2])
'''
[1 2 3 4 5 6]
'''

Numpyの配列変換

np.reshape()

np.reshape()は、配列を変形させます。

array = np.array([0, 1, 2, 3, 4, 5])
array.reshape(3, 2) #3×2に変形
'''
array([[0, 1],
       [2, 3],
       [4, 5]])
'''

※指定した配列の要素数が合わない場合はエラーとなります。

np.transpose()

np.transpose()は、配列の軸を入れ替えます。

array = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
np.transpose(array)
'''
array([[1, 4, 7],
       [2, 5, 8],
       [3, 6, 9]])
'''

Numyのデータ集計

np.sum()

np.sum()は、配列の要素の合計を算出します。

array = np.array([1, 2, 3, 4])
np.sum(array)
'''
10
'''

np.max() / np.min()

np.max() / np.min()は、配列の要素の最大・最小を算出します。

array = np.array([1, 2, 3, 4])
np.max(array)
'''
4
'''

array = np.array([1, 2, 3, 4])
np.min(array)
'''
1
'''

np.mean()

np.mean()は、配列の要素の平均を算出します。

array = np.array([1, 2, 3, 4])
np.mean(array)
'''
2.5
'''

np.std()

np.std()は、配列の要素の標準偏差を算出します。

array = np.array([1, 2, 3, 4, 5])
np.std(array)
'''
1.4142135623730951
'''

pythonのおすすめ勉強法

そもそもpythonの知識を1から学びたいという人にマジでおすすめなpythonの勉強方法をご紹介します。

結論から言うと、Udemyを活用することです。私はPythonを以下の講座のみで学びましが、本当に分かりやすく最強だと思っています。実際に講座を見ながら自分も手を動かして学習できるので、しっかりと身に付きます。

現役シリコンバレーエンジニアが教えるPython 3 入門 + 応用 +アメリカのシリコンバレー流コードスタイル

まとめ

Numpyは、数値計算に必要な多くの関数を提供していますが、特に上記の関数はよく使われます。これらの関数を理解しておくことで、より高度な数値計算が可能になります。ぜひ、覚えて活用してみてください。