前回の記事に続いて、今回はさらに実用的なNumPyの使い方を紹介します。
データ解析でよく使用される応用的な操作について詳しく説明します。

応用的なNumPyの操作

1. 配列の結合と分割

データを扱う際には、複数の配列を結合したり、一つの配列を分割したりすることがよくあります。

import numpy as np

# 配列の結合
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
combined = np.concatenate((a, b))
print(f"結合された配列: {combined}")  # 結合された配列: [1 2 3 4 5 6]

# 2次元配列の結合
c = np.array([[1, 2], [3, 4]])
d = np.array([[5, 6], [7, 8]])
combined_2d = np.vstack((c, d))
print(f"結合された2次元配列:\n{combined_2d}")
# 結合された2次元配列:
# [[1 2]
#  [3 4]
#  [5 6]
#  [7 8]]

# 配列の分割
split_array = np.split(combined, 3)
print(f"分割された配列: {split_array}")
# 分割された配列: [array([1, 2]), array([3, 4]), array([5, 6])]

2. 配列の変形

データの形状を変更することは、解析の準備段階で頻繁に行われます。

# 配列のリシェイプ
e = np.array([[1, 2, 3], [4, 5, 6]])
reshaped = e.reshape((3, 2))
print(f"リシェイプされた配列:\n{reshaped}")
# リシェイプされた配列:
# [[1 2]
#  [3 4]
#  [5 6]]

# フラット化
flattened = e.flatten()
print(f"フラット化された配列: {flattened}")
# フラット化された配列: [1 2 3 4 5 6]

3. ブロードキャスト

異なる形状の配列間での演算も可能です。

# サンプルデータ
f = np.array([1, 2, 3])
g = np.array([[0], [1], [2]])

# ブロードキャストによる演算
result = f + g
print(f"ブロードキャストによる演算結果:\n{result}")
# ブロードキャストによる演算結果:
# [[1 2 3]
#  [2 3 4]
#  [3 4 5]]

4. 条件による選択

データの中から条件に基づいて要素を選択することも、NumPyを使うと簡単です。

# サンプルデータ
h = np.array([1, 2, 3, 4, 5, 6])

# 条件による選択
selected = h[h > 3]
print(f"条件に合致した要素: {selected}")
# 条件に合致した要素: [4 5 6]

5. 高度なインデックス操作

NumPyは柔軟なインデックス操作をサポートしています。

# サンプルデータ
i = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 特定の行や列を選択
row = i[1, :]
print(f"2行目の要素: {row}")
# 2行目の要素: [4 5 6]

column = i[:, 1]
print(f"2列目の要素: {column}")
# 2列目の要素: [2 5 8]

# 複数の行や列を選択
subarray = i[0:2, 1:3]
print(f"部分配列:\n{subarray}")
# 部分配列:
# [[2 3]
#  [5 6]]

6. ランダムサンプルの生成

ランダムなサンプルを生成することは、シミュレーションや統計解析でよく使用されます。

# ランダムな整数の配列を生成
random_integers = np.random.randint(0, 10, size=(3, 3))
print(f"ランダムな整数の配列:\n{random_integers}")
# ランダムな整数の配列:
# [[4 9 0]
#  [1 5 7]
#  [6 3 2]]

# ランダムな浮動小数点数の配列を生成
random_floats = np.random.random((3, 3))
print(f"ランダムな浮動小数点数の配列:\n{random_floats}")
# ランダムな浮動小数点数の配列:
# [[0.56792387 0.27218365 0.45603387]
#  [0.94244895 0.18355667 0.78373165]
#  [0.62866469 0.49440931 0.22756961]]

# 正規分布に従うランダムな数の配列を生成
random_normal = np.random.randn(3, 3)
print(f"正規分布に従うランダムな数の配列:\n{random_normal}")
# 正規分布に従うランダムな数の配列:
# [[ 0.75388898 -0.58065735 -0.45284685]
#  [-1.45413148 -0.12491374 -1.40538161]
#  [ 1.4576425  -0.19432105  1.12135873]]

以上