Pythonを改めてちゃんと学ぶメモ #5

はじめに

ここは、Pythonを改めて学んでいるメモを都度書き出していきます。
※ 筆者のバックグラウンドは#1をご覧ください。

1. https://qiita.com/hideh_hash_845/items/58241f0ce0283e457a87
2. https://qiita.com/hideh_hash_845/items/56c7a2c5594261f380b2
3. https://qiita.com/hideh_hash_845/items/b5e2264fc650c3e9d4b6
4. https://qiita.com/hideh_hash_845/items/6ebfcbf1682dcc696b76
5. ここ
6. https://qiita.com/hideh_hash_845/items/b46d2d82287f10bfb7c4

numpy

• 多次元配列における数値計算を効率的に行うことをサポートする数学関数ライブラリ
• Pandasやscikit-learnなど、機械学習でよく使われるライブラリも、NumPyを元に設計されている
• numpyをインポートする時は、慣例としてnpという名前にする

import numpy as np

array()とndarray型

• ndarrayとはN-dimensional arrayのこと。すなわち、N次元配列を扱う型。
• array()の引数はリスト。array()の返り値がndarray型のオブジェクト。
• N次元で、行・列がそれぞれいくつあるかは shapeプロパティに入っている（メソッドではないので注意）

import numpy as np
# アレイを作成
a = np.array([1,2,3,4,5,6,7])
b = np.array([[1,2,3,4], [5,6,7,8]])
print(type(a))
print(a.shape)
print(a)
print(type(b))
print(b.shape)
print(b)

arange(), ones(), zeros()

• arange()は、基本的にはrange()関数と同じ
• ones()は引数で指定された形の配列をすべて1で埋める
• 'zeros()'は引数で指定された形の配列をすべて0で埋める
• 「すべて10で埋められた配列」は最初にones()かzeros()を作って全部に同じ数を足す操作で簡単に作れる

c = np.arange(10)
# この場合、dの各要素は`float`になっているので注意
d = np.ones(10)
# 要素をintにしたければ、`dtype`を指定
e = np.zeros((2,5), dtype='int64')
# すべて10で埋める=ゼロで作って、10を足す
f = e + 10

アレイの四則演算、累乗

• 「普通に」計算すればOK
• 代入演算子も使える
• 要素の型不一致だとエラーになるので注意（intとfloatなど）

# すべての要素に5が足し算される
c = c + 5
print(c)

c -= 5
print(c)

#c -= d
# `int`と`float`の型不一致でエラー
d = np.ones((10), dtype='int64')
c -= d
print(c)

c *= c
print(c)

g = np.array([7,8,7,8,7,8,7,8,7,8])
h = c / g
print(h)
h **= 3
print(h)

要素の抽出

• スライスを使う
• 要素が一つならそのままプリミティブな型のように扱える（※ 正確にはnumpyのオブジェクト）

# 1次元の場合
arr1 = np.arange(10) + 1
print(arr1)
i = arr1[5]
print(type(i)) # <class 'numpy.int32'>
# arrayで取れる
j = arr1[2:9]
print(type(j)) # <class 'numpy.ndarray'>

# N次元の場合も同様
arr2 = np.array([[1,2,3], [4,5,6], [7,8,9]])
k = arr2[1][2]
l = arr2[1, 2]
# arrayで取れる
m = arr2[2]

様々な演算子・関数

• xの平方根 sqrt(x)
• y=e^xを計算 exp(x)
• 乱数の生成 random
  • numpy.random.rand(): 一様分布（0以上1未満）
  • numpy.random.randn(): 標準正規分布（平均0、分散1（標準偏差1））
  • numpy.random.randint(): 一様分布（任意の範囲の整数）
• 要素ごとの符号（正は1、負は-1） sign()
• 平均 mean()
• 標準偏差 std()

サンプルコード

numpy_test.py

#!/usr/bin/env python
# coding: utf-8
import numpy as np
# アレイを作成
a = np.array([1,2,3,4,5,6,7])
b = np.array([[1,2,3,4], [5,6,7,8]])
print(a.shape)
print(a)
print(b.shape)
print(b)

# arange
#- 基本的には、pythonのrange関数と同じ
c = np.arange(10)

# ones
# 引数で指定された形の配列をすべて1で埋める
# この場合 `float`になっているので注意
d = np.ones(10)

# zeros
# 引数で指定された形の配列をすべて0で埋める
e = np.zeros((2,5), dtype='int64')
# 「すべて10で埋める」は最初に`ones`か`zeros`を作って全部に同じ数を足すで簡単に作れる
f = e + 10
print(c.shape)
print(c)
print(d.shape)
print(d)
print(e.shape)
print(e)
print(f.shape)
print(f)

# アレイの四則演算、累乗
# 「普通に」計算すればOK
# すべての要素に5が足し算される
c = c + 5
print(c)
# 代入演算子でもOK
c -= 5
print(c)
#c -= d
# `int`と`float`の型不一致でエラー
d = np.ones((10), dtype='int64')
c -= d
print(c)
c *= c
print(c)
g = np.array([7,8,7,8,7,8,7,8,7,8])
h = c / g
print(h)
h **= 3
print(h)
print('-----')

# 要素の抽出
# 1次元の場合
arr1 = np.arange(10) + 1
print(arr1)
i = arr1[5]
print(i)
# arrayで取れる
j = arr1[2:9]
print(j)
# N次元の場合も同様
arr2 = np.array([[1,2,3], [4,5,6], [7,8,9]])
k = arr2[1][2]
print(k)
l = arr2[1, 2]
print(l)
# arrayで取れる
m = arr2[2]
print(m)

# 様々な演算子・関数
# 平方根の計算
n = np.sqrt(arr1)
print(n)
# 自然対数の底eの累乗
o = np.exp(arr1)
print(o)
# 標準正規分布に従う乱数を生成
# 一様分布の生成には
p1 = np.random.rand(10)
p2 = np.random.randn(10)
p3 = np.random.randint(4,10,10)
print(p1)
print(p2)
print(p3)
# ランダムなどで毎回異なる
# 要素ごとの符号を返す（正は1、負は-1）
q = np.sign(p2)
print(q)
# 平均
r = p2.mean()
print(r)
# 標準偏差を出力
s = p2.std()
print(s)