Numpy(Numerical Python)の基本
ndarrayの多次元配列オブジェクト
ndarray: N-dimensional arrayの略
ndarray 属性
ndarray.dtype ndarray.shape
ndarray 生成
- 書式
np.array(リスト、タプル、Python配列など) np.arange(スカラー) np.zeros(スカラー、タプル) np.zeros_like(配列) np.ones() np.ones_like() # 各要素の値を適当にして生成（この機能何に使うの？？） np.empty() np.empty_like() # N*Nの単位行列の生成 np.eye(N) np.identity(N)
- 具体例
np.arange(3) >>> array([0, 1, 2]) np.zeros(10) >>> array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]) np.zeros((3, 5)) >>> array([[ 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0.], [ 0., 0., 0., 0., 0.]]) data = [[1, 2], [3, 4]] np.zeros_like(data) >>> array([[0, 0], [0, 0]]) np.ones((3, 5)) >>> array([[ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.], [ 1., 1., 1., 1., 1.]]) np.empty(2) >>> array([ 6.92034921e-310, 6.92034921e-310]) np.eye(3) >>> array([[ 1., 0., 0.], [ 0., 1., 0.], [ 0., 0., 1.]])
ndarray 要素のデータ型
ndarrayのdtypeを変更（キャスト）
SQLでデータを取ってきた時に数値が文字列型で格納されてる！数値型に直したい！みたいな時に使えそう
- 書式
ndarray.astype(型名)
- 例
np.array( ['1', '2', '3']).astype('float') >>> array([ 1., 2., 3.])
ndarray スカラー計算
ループを書かなくて良いので便利
- 同じサイズのndarrayの演算
同位置の要素同士で計算
arr = np.array([[1, 2, 3], [4, 5, 6]]) arr*2 >>> array([[ 2, 4, 6], [ 8, 10, 12]]) arr - arr >>> array([[0, 0, 0], [0, 0, 0]]) arr * arr >>> array([[ 1, 4, 9], [16, 25, 36]])
- 異なるサイズのndarrayの演算(= ブロードキャスト)
インデックス参照、スライシング
基本
- 書式
arr[i:n] iからn-1番までを抽出 2次元配列の時 arr[i] arr[i, j] arr[i][j]
- 注意点
スライスはデータの一部のコピーではなく、スライスを変更するとオリジナルのndarrayも変更されてしまう。
（スライスはndarrayのビューである、という）
コピーしたい場合は
arr[i:j].copy()
スライスによるインデックス参照
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
3×3の配列を使って説明していく。
- スライスでインデックス指定
次元が下がらない
arr2d[2:, :] >>> array([[7, 8, 9]]) arr2d[2:, :].shape >>> (1, 3)
- スカラーでインデックス指定
次元が下がる
arr2d[2] >>> array([7, 8, 9]) arr2d[2].shape >>> (3,)
7, 8, 9か[7, 8, 9]かという微妙な違い。微妙ゆえに間違えやすいので注意
ブールインデックス参照
- 例
以下のようなデータを使う。namesのそれぞれの要素が、dataのそれぞれの行に対応しているとする。
names = np.array(['satou', 'suzuki', 'tanaka']) data = np.array([['satou1', 'satou2', 'satou3'], ['suzuki1', 'suzuki2', 'suzuki3'], ['tanaka1', 'tanaka2', 'tanaka3']]) >>> array([['satou1', 'satou2', 'satou3'], ['suzuki1', 'suzuki2', 'suzuki3'], ['tanaka1', 'tanaka2', 'tanaka3']], dtype='<U7')
# satouさんのデータのみ取り出したい時、 names == 'satou' >>> array([ True, False, False], dtype=bool) data[names == 'satou'] >>> array([['satou1', 'satou2', 'satou3']], dtype='<U7') # satouさん以外のデータのみ取り出したい時、 data[names != 'satou'] >>> array([['suzuki1', 'suzuki2', 'suzuki3'], ['tanaka1', 'tanaka2', 'tanaka3']], dtype='<U7') # これでも同じ data[-(names == 'satou')] # 複数条件 # | がor # & がand (names == 'satou') | (names == 'suzuki') >>> array([ True, True, False], dtype=bool) data[(names == 'satou') | (names == 'suzuki')] >>> array([['satou1', 'satou2', 'satou3'], ['suzuki1', 'suzuki2', 'suzuki3']], dtype='<U7') # 条件指定かつ要素指定 data[names == 'satou', 1:] >>> array([['satou2', 'satou3']], dtype='<U7') data[names == 'satou', 1] >>> array(['satou2'], dtype='<U7') # 条件つき代入 # satouさんのデータのみを全て0にする data[names=='satou'] = 0 >>> array([['0', '0', '0'], ['suzuki1', 'suzuki2', 'suzuki3'], ['tanaka1', 'tanaka2', 'tanaka3']], dtype='<U7')
- 注意点
ブールインデックス参照で抽出されたデータは、元データのコピー
ファンシーインデックス参照
インデックス参照に整数配列をもちいる方法のこと。
元データのコピーを返す。
- 基本
以下のような配列を使う
arr >>> array([[ 0., 0., 0., 0.], [ 1., 1., 1., 1.], [ 2., 2., 2., 2.], [ 3., 3., 3., 3.], [ 4., 4., 4., 4.]])
# ndarrayから特定の順序で行を抽出 arr[[2, 3]] >>> array([[ 2., 2., 2., 2.], [ 3., 3., 3., 3.]]) # 負のインデックスだと、、？ arr[[-2, -3]] >>> array([[ 3., 3., 3., 3.], [ 2., 2., 2., 2.]])
- 2次元配列に対するファンシーインデックス参照 以下のような２次元配列を使う
arr >>> array([[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 9, 10, 11], [12, 13, 14]])
arr[[0, 1], [2, 2]] >>> array([2, 5])
不思議な挙動。0行2列の要素2と、1行2列の要素5を返す。
転置
ビューを返す。
コピーは作らない。
- 書式
# いわゆる転置 arr.T # 軸１、軸2の順に軸とする arr.transpose(軸1, 軸2) # 軸1と軸2を交換 arr.swapaxes(軸1, 軸2)
- 例(２次元)
arr >>> array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]]) arr.T >>> array([[ 0, 5, 10], [ 1, 6, 11], [ 2, 7, 12], [ 3, 8, 13], [ 4, 9, 14]]) arr.transpose(0, 1) >>> array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]]) arr.transpose(1, 0) >>> array([[ 0, 5, 10], [ 1, 6, 11], [ 2, 7, 12], [ 3, 8, 13], [ 4, 9, 14]]) arr.swapaxes(0, 1) >>> array([[ 0, 5, 10], [ 1, 6, 11], [ 2, 7, 12], [ 3, 8, 13], [ 4, 9, 14]]) arr.swapaxes(1, 0) >>> array([[ 0, 5, 10], [ 1, 6, 11], [ 2, 7, 12], [ 3, 8, 13], [ 4, 9, 14]])
ユニバーサル関数
universal function(ufunc)
ndarrayを引数に、各要素に作用する関数
- 単項ufunc
引数に１つのndarrayをとるufunc
# 絶対値 abs() fabs() # 平方根 sqrt() arr**0.5 # ２乗 square() arr**2 exp log log10 log2 log1p
- 二項ufunc
引数に２つのndarrayをとるufunc
