Python - 便利なNumpy (1)

今、はやりのDeep Learningでも注目のNumpyです。

Pythonでの数値計算ライブラリNumPy徹底入門

を参考にさせてもらい、実際にGoogle Colabで動かして、理解を深めたいと思います。ColabはGoogleのアカウントでログインが必要ですがNumpyをはじめある程度必要なライブラリが入っているのでとっても便利です。

まず初めに、

import numpy as np

が必ず必要です。この作業がなければNumpyは使えずエラーとなってしまいます。

配列の計算がとっても便利になります。配列の要素をそれぞれ3倍にします

a = np.array([1,2,3])
a * 3

を実行すると

array([3, 6, 9])

となります。

a + 2

  は

array([3, 4, 5])

要素ごとの計算ができます。

Numpyでは多次元配列データ構造ndarrayが扱えるということです。

NumPy配列ndarrayとPythonのリストを相互に変換 | note.nkmk.me

NumPyの多次元配列データ構造ndarrayの基礎

"ndarray"については上記サイトで詳しく紹介されています。

ndarrayを作るときに使う基本のコードとしては

a = np.array([1, 2])

ということです。変数"a"にndarrayの[1,2]を代入しています。そしてこのndarrayであることでいろんな操作、便利機能が付与されるということです。まず、ここをしっかり押さえます。

np.array([1, 2])　　・・・　これでndarrayの機能を持つ配列が出来上がります。

実は配列を作る方法はこれだけではなくて色々と便利なものがあります。

np.arange

c = np.arange(5)

cはarray([0, 1, 2, 3, 4])となります。

始点が1、終点が5、間隔2を指定しみます。

d = np.arange(1,5,2)

dはarray([1, 3])となります。

np.linspace

指定した間隔をを等分します。linspaceを使います。1と10の間を3等分します。

e = np.linspace(1,10,3)

array([ 1. , 5.5, 10. ])となります。

多次元配列

そしてNumpyの真骨頂、多次元配列です。

f = np.array([[1, 2, 3], [4, 5, 6]])

array([[1, 2, 3],
         [4, 5, 6]])

となります。

配列の形の調べ方

f.shape

で配列の形を調べることができます。この場合は(2, 3)と出力されます。

1次配が"2"と要素が"3"が示されています。