目次
配列の操作
NumPyで扱うデータの基本単位は配列です。データ分析や科学計算では、この配列の形状を変更したり、複数の配列を結合したりすることがよくあります。ここでは、NumPy配列の基本的な操作方法について学びます。
NumPy入門:基本から配列操作まで
【NumPyとは?】 NumPy(ナムパイと読みます)は、Pythonで科学計算を行う際に使用される非常に強力なライブラリです。大量の数値データを効率的に処理でき、データ分析…
配列の形状変更
配列の形状を変更することは、データを望む形に整える際に非常に重要です。reshape
メソッドを使用して、配列の形状を変更することができます。
import numpy as np
# 6要素の1次元配列
a = np.arange(6)
print("元の配列:", a)
# 2行3列の2次元配列に形状変更
b = a.reshape((2, 3))
print("形状変更後の配列:\n", b)
この例では、arange
関数で0から5までの数値を含む配列を作り、reshape
メソッドで2行3列の2次元配列に変更しています。
配列の結合と分割
複数の配列を結合したり、大きな配列を小さな配列に分割したりすることも、データ処理では頻繁に行われます。concatenate
関数を使って配列を結合しましょう。
# 2つの配列の結合
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.concatenate([a, b])
print("結合された配列:", c)
配列を分割するには、split
関数を使用します。
# 配列の分割
d, e = np.split(c, [3])
print("分割された配列1:", d)
print("分割された配列2:", e)
この例では、concatenate
で2つの配列を結合し、split
で元の2つの配列に分割しています。
Pythonデータを自由自在に:Pandasで学ぶ分析と可視化
データ分析の世界では、生データを有意義な情報に変換し、その結果をわかりやすく伝えることが極めて重要です。このプロセスには、データの分析、操作、そして可視化が…
NumPyでの計算
NumPyを使う最大のメリットの一つは、高速な数値計算を行えることです。基本的な算術計算から始めてみましょう。
基本的な数学計算
NumPy配列に対する算術演算は、要素ごとに行われます。これを要素ごとの演算(element-wise operations)といいます。
a = np.array([1, 2, 3, 4])
# 要素ごとの加算
print("加算:", a + 1)
# 要素ごとの乗算
print("乗算:", a * 2)
統計計算
NumPyには、平均、中央値、標準偏差といった統計計算を行うための関数が備わっています。
a = np.array([1, 2, 3, 4, 5])
# 平均
print("平均:", np.mean(a))
# 中央値
print("中央値:", np.median(a))
# 標準偏差
print("標準偏差:", np.std(a))
リンク
リンク
学習のポイント
- 実際に手を動かしてみる: NumPyの概念を読んだだけでは、実感がわきにくいです。対話式のPython環境(例えばJupyter Notebook)で実際にコードを書いてみましょう。
- 公式ドキュメントを活用する: NumPyの公式ドキュメントには、より詳細な情報と豊富な例が載っています。わからないことがあったら、積極的に探してみましょう。
- エラーメッセージを読む: コードが期待通りに動かない時は、エラーメッセージをよく読んでみてください。多くの場合、問題の原因や解決のヒントが隠されています。
NumPyの基礎からさらに深い内容へと進んでいくにつれて、データ処理のスキルが格段に向上します。今回学んだ配列の操作と基本計算をマスターすることで、Pythonによる科学計算の扉が大きく開かれます。