NumPy入門

NumPyは、数値計算に適した強力なPythonライブラリです。配列、数学関数、通常のPythonリストよりもはるかに高速な演算をサポートしています。

このレッスンでは、効率的な数値演算にNumPyを使用する方法を学びます。

NumPyのインストール

NumPyをインストールするには、ターミナルで次のコマンドを実行します。

pip install numpy

インストールが完了したら、Pythonスクリプトでインポートできます。

# Importing numpy
import numpy as np

print("NumPy imported successfully")

NumPy配列の作成

NumPy配列は、Pythonリストよりも高速で、メモリ効率にも優れています。リストから作成したり、組み込み関数を使って作成したりできます。

# Creating arrays
import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr)  # Outputs: [1 2 3 4]

配列の操作

NumPyは要素単位の演算をサポートしており、リストをループ処理するよりもはるかに高速です。

# Element-wise operations
arr = np.array([1, 2, 3, 4])
print(arr + 10)  # Outputs: [11 12 13 14]

配列のインデックス指定とスライス

NumPyの配列は、高度なインデックス指定とスライスに対応しています。

# Indexing and slicing
arr = np.array([10, 20, 30, 40, 50])
print(arr[1:4])  # Outputs: [20 30 40]

多次元配列を扱う

NumPyは多次元配列（行列）をサポートしています。

# Creating a 2D array
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)

数学的な演算

NumPyには、平均、中央値、標準偏差などの計算に使える組み込みの数学関数が用意されています。

# Mathematical operations
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))  # Outputs: 3.0

配列を生成する

NumPyでは、arangeやlinspaceなどの関数を使って配列を生成できます。

# Generating arrays
arr = np.arange(0, 10, 2)
print(arr)  # Outputs: [0 2 4 6 8]

NumPyでよくある間違い

次のような間違いに注意してください。

• 大規模なデータセットで、NumPy配列ではなくPythonのリストを使う。
• 演算を行う前に、多次元配列の形状を確認し忘れる。
• ベクトル化された演算を活用しない。

何を学びましたか？

このレッスンでは、次のことを学びました。

• NumPyをインストールしてインポートする方法
• Pythonのリストと比べたNumPy配列の利点
• 配列の操作、インデックス指定、スライスを行う方法
• 多次元配列と組み込みの数学関数を扱う方法

よくできました！次のトピックに進みましょう。