💡 このチュートリアルは英語版からAIによって翻訳されています。原文を確認するには、 ここをクリックしてください
この実験では、NumPy 配列を作成して使用する手順を示します。NumPy 配列は、Python における科学的計算とデータ分析に使用される多次元のグリッド状の構造です。Python のリストと比較して、高速な計算、操作のしやすさ、メモリ管理の向上などの利点があります。
VM の起動が完了したら、左上隅をクリックしてノートブックタブに切り替え、Jupyter Notebook を使って練習しましょう。
時々、Jupyter Notebook が読み込み終わるまで数秒待つ必要があります。Jupyter Notebook の制限により、操作の検証を自動化することはできません。
学習中に問題がある場合は、Labby にお問い合わせください。セッション後にフィードバックを提供してください。すぐに問題を解決いたします。
NumPy 配列を作成して使用する前に、NumPy パッケージをインストールする必要があります。これは、次のコマンドを使用して行うことができます。
!pip install numpyNumPy 配列を作成するには、numpy.array()関数を使用できます。この関数にリスト、タプル、または配列に似たオブジェクトを渡すと、NumPy 配列に変換されます。dtypeパラメータを使用すると、配列のデータ型を明示的に定義できます。
import numpy as np
## 1 次元の NumPy 配列を作成する
arr1 = np.array([1, 2, 3])
## 2 次元の NumPy 配列を作成する
arr2 = np.array([[1, 2, 3],[4, 5, 6]])NumPy 配列の形状と次元を確認するには、それぞれshape属性とndim属性を使用します。shape属性は、配列の各次元の要素数を含むタプルを返し、ndim属性は、配列の次元数を返します。
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr.shape) ## 出力：(2, 3)
print(arr.ndim) ## 出力：2Python のリストと同じように、インデックス付けとスライシングを使って NumPy 配列の要素にアクセスできます。NumPy 配列のインデックスは常に 0 から始まります。
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr[0, 1]) ## 出力：2
print(arr[:, 1]) ## 出力：array([2, 5])NumPy 配列は、算術演算、集約関数、論理演算など、多くの異なる演算をサポートしています。たとえば、NumPy 配列の要素の合計と平均を計算するには、sum()関数とmean()関数を使用できます。
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
print(arr.sum()) ## 出力：21
print(arr.mean()) ## 出力：3.5reshape()関数を使って NumPy 配列の形状を変更できます。この関数は、望ましい形状のタプルを引数とします。また、transpose()関数またはT属性を使って NumPy 配列を転置することもできます。
import numpy as np
arr = np.array([[1, 2, 3],[4, 5, 6]])
## 配列を 3 行 2 列に形状変更する
arr_reshaped = arr.reshape((3, 2))
## 配列を転置する
arr_transposed = arr.transpose()
arr_T = arr.T
print(arr_reshaped) ## 出力：array([[1, 2],[3, 4],[5, 6]])
print(arr_transposed) ## 出力：array([[1, 4],[2, 5],[3, 6]])
print(arr_T) ## 出力：array([[1, 4],[2, 5],[3, 6]])この実験では、Python において NumPy 配列を作成して使用する方法を学びました。配列の作成、形状と次元の確認、要素のアクセス、演算の実行、形状変更と転置について学びました。これらのスキルを使えば、科学計算やデータ分析のための多次元配列を効率的に扱うことができます。
