Numpyを使ってみる

NumPyは外部ライブラリです.まだインストールしていない人はこの記事を参考にしてください。

Pythonインタプリタを起動

$python
>>>

NumPyのインポート

>>>import numpy as np

「import numpy as np」と書くことでこれ以降はNumPyに関するメソッドは「np」として参照することが出来ます.

NumPy配列の生成

>>> x = np.array([1,2,3])
>>> print(x)
[1 2 3]
>>> type(x)
<class 'numpy.ndarray'>

「np.array（）」これだけで配列が作れる
np.array()の型はnumpy.ndarray

NumPyの計算

>>> x = np.array([1,2,3])
>>> y = np.array([4,5,6])
>>> x + y
array([5, 7, 9])
>>> x -y
array([-3, -3, -3])
>>> x * y
array([ 4, 10, 18])
>>> x / y
array([0.25, 0.4 , 0.5 ])
>>>

配列の計算をする上で気をつけることは配列のｘとｙの要素が同じであることですｘ、ｙは要素数が３の１次元配列
もしyの要素数を４つに変更すると、

>>> y = np.array([4,5,6,7])
>>> x + y
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (3,) (4,) 
>>>

オペランドは(3,) と(4,)の型を一緒にブロードキャストすることが出来ません

x,yの型を確認してみる□.shapeで確認できる

>>> x.shape
(3,)
>>> y.shape
(4,)

１次元配列は（□,）、２次元配列は（□,□）、三次元配列（...）と表示される.

NumPy配列とスカラー値を計算

>>> x * 5
array([ 5, 10, 15])

なぜ計算できるのか？

Numpyにはブロードキャストと呼ばれる機能が備わっている.

NumPyのN次元配列の計算（行列）

>>> A = np.array([[1,2],[3,4]])
>>> B = np.array([[5,6],[7,8]])
>>> A + B
array([[ 6,  8],
       [10, 12]])
>>> A * B
array([[ 5, 12],
       [21, 32]])
>>>

行列の算術計算も同じ形状の行列同士であれば、要素ごとに計算が行われます.
行列にもスカラー値でブロードキャストを行うことが出来ます.