Python NumPyチュートリアル:例を使ってPythonNumpyを学ぶ
公開: 2020-03-24Pythonをしばらく勉強しているなら、NumPyに出くわしたに違いありません。 そして、あなたはそれが何であるか、そしてなぜそれがとても重要なのか疑問に思ったに違いありません。 このPythonNumpyチュートリアルでは、同じことについて学ぶことができます。 NumPyだけでなく、NumPy配列とその機能についても理解できます。
現代のプログラマーにとって、Pythonを熟知することは必要です。 そして、このPython NumPyチュートリアルは、Pythonをよりよく理解するのに役立ちます。 非常に詳細なので、後で参照できるようにこのページをブックマークに追加することをお勧めします。
世界のトップ大学からデータサイエンスのオンラインコースを学びましょう。 エグゼクティブPGプログラム、高度な証明書プログラム、または修士プログラムを取得して、キャリアを早急に進めましょう。
目次
Python NumPyとは何ですか?
NumPyは「NumericalPython」の略です。 ご想像のとおり、数値演算と計算に焦点を当てています。 NumpyはPythonパッケージであり、科学計算のメインライブラリです。 これには、Cなどの他の主要な言語を統合するためのn次元配列オブジェクトとツールがあります。NumPy配列をデータの巨大な多次元コンテナーとして使用できます。
NumPyアレイとは何ですか?
NumPy配列は、素晴らしいn次元配列オブジェクトです。 行と列があり、Pythonリストの要素にアクセスするために使用できます。 NumPy配列で実行できる操作はたくさんあります。 これらについては記事の後半で説明しましたが、その前に、システムにNumPyをインストールする方法を理解する必要があります。 インストールしないと使用できません。
NumPyをインストールするにはどうすればいいですか?
Python NumPyをインストールするには、コマンドプロンプトに移動し、「pipinstallnumpy」と入力する必要があります。 インストールが完了したら、IDEに移動し、「importnumpyasnp」を使用してnumpyをインポートする必要があります。 そして、それがあなたのシステムにNumpyをインストールする方法です。
次のコードを使用して、NumPyで配列を簡単に作成できます。
1numpyをnpとしてインポートします
2 a = np.array([1,2,3])
3印刷(a)
上記のコードの出力– [1 2 3]
上記のコードは、1次元配列を提供します。 多次元配列を作成する場合は、以下に示す例のようなものを作成する必要があります。
1 a = np.array([(1,2,3)、(4,5,6)])
2プリント(a)
上記のコードの出力– [[1 2 3]
[4 5 6]]
続きを読む:初心者のための25のエキサイティングなPythonプロジェクトのアイデアとトピック
NumPyでの操作
PythonNumPyには多くの操作があります。 それらはすべて特定の機能を実行します。 これらの関数と簡単な説明は次のとおりです。
アイテムサイズ:
この関数を使用すると、配列の要素のバイトサイズを確認できます。 次の例を見てください。
1numpyをnpとしてインポートします
2 a = np.array([(1,2,3)])
3プリント(a.itemsize)
上記のコードの出力– 4
ndim:
ndim関数は、配列の次元を見つけるのに役立ちます。 1次元、2次元、および3次元の配列を持つことができることを知っておく必要があります。 この関数の例を次に示します。
1numpyをnpとしてインポートします
2 a = np.array([(1,2,3)、(4,5,6)])
3 print(a.ndim)
上記のコードの出力– 2
形を変える:
形状変更操作を使用すると、配列に存在する行と列の数を変更できます。 1つの配列に3つの列と2つの行があるとします。 形を変えることで、2列3行に変更できます。 次の例で実際の動作を確認してください。
1numpyをnpとしてインポートします
2 a = np.array([(8,9,10)、(11,12,13)])
3印刷(a)
4 a = a.reshape(3,2)
5印刷(a)
上記のコードの出力– [[8 9 10] [11 12 13]] [[8 9] [10 11] [12 13]]
スライス:
スライス操作を使用すると、必要な配列から特定の要素のセットを抽出できます。 つまり、配列を「スライス」して、その一部を取得できます。 配列があり、そこから特定の要素を抽出したい場合は、次のようにします。
1numpyをnpとしてインポートします
2 a = np.array([(1,2,3,4)、(3,4,5,6)])
3 print(a [0,2])
上記のコードの出力– 3
上記の例では、最初の配列のインデックスは0で、2番目の配列のインデックスは1でした。したがって、コードは、最初の配列の2番目の要素(インデックス0)を出力する必要があることを示しています。 配列の最初と0番目のインデックスから2番目の要素が必要だとします。 次に、次のコードを使用します。
1numpyをnpとしてインポートします
2 a = np.array([(1,2,3,4)、(3,4,5,6)])
3 print(a [0:、2])
上記のコードの出力– [3 5]
また読む:インドのPython開発者給与
dtype:
dtype関数を使用すると、配列の要素のデータ型を検索するオプションがあります。 必要なコンポーネントのデータ型とサイズがわかります。 次の例を見て、どのように機能するかを確認してください。
1numpyをnpとしてインポートします
2 a = np.array([(1,2,3)])
3 print(a.dtype)
上記のコードの出力– int32
'shape'関数と'size'関数を使用して、配列の形状とサイズを見つけることもできます。 これらの関数を正しく理解するには、PythonNumPyチュートリアルのこの例をご覧ください。
1numpyをnpとしてインポートします
2 a = np.array([(1,2,3,4,5,6)])
3プリント(a.size)
4プリント(a.shape)
上記のコードの出力– 6(1,6)
linspace :
linspace操作の助けを借りて、あなたはあなたが言及した間隔に従って等間隔の数を広げることができます。 linspace関数には用途があり、次のように使用する方法の例を示します。
1numpyをnpとしてインポートします

2 a = np.linspace(1,3,10)
3印刷(a)
上記のコードの出力– [1. 1.22222222 1.44444444 1.66666667 1.88888889 2.11111111 2.33333333 2.55555556 2.77777778 3.]
平方根と標準偏差
Python NumPyを使用すると、さまざまな数学演算を実行できます。 そして、それらの操作の1つは、必要な配列の平方根を導出することです。 NumPy配列の標準偏差を取得することもできます。 この点で役立つ詳細な例を次に示します。
1numpyをnpとしてインポートします
2 a = np.array([(1,2,3)、(3,4,5、)])
3 print(np.sqrt(a))
4 print(np.std(a))
上記のコードの出力– [[1. 1.41421356 1.73205081]
[1.73205081 2.2.23606798]]
1.29099444874
最大/分
特定の操作を通じて、配列の最大値、最小値、および合計も見つけることができます。 最大値と最小値を見つけることは、複雑な操作を実行するのに大いに役立ちます。 使用している配列の最大値、最小値、および合計を見つける方法は次のとおりです。
1numpyをnpとしてインポートします
2 a = np.array([1,2,3])
3 print(a.min())
4 print(a.max())
5 print(a.sum())
上記のコードの出力– 1 3 6
水平および垂直スタッキング
2つの配列を結合したいが、それらを追加したくない場合があります。つまり、単にそれらを連結したい場合があります。 そのために、それらを垂直または水平に積み重ねることができます。 これを行うためのサンプルコードは次のとおりです。
1numpyをnpとしてインポートします
2 x = np.array([(1,2,3)、(3,4,5)])
3 y = np.array([(1,2,3)、(3,4,5)])
4 print(np.vstack((x、y)))
5 print(np.hstack((x、y)))
上記のコードの出力– [[1 2 3] [3 4 5] [1 2 3] [3 4 5]]
[[1 2 3 1 2 3] [3 4 5 3 4 5]]
続きを読む: Pythonの演算子:算術の初心者向けガイド
添加
NumPyアレイを追加することもできます。 加算とは別に、2つの行列の減算、除算、および乗算を実行することもできます。 PythonNumPyでの追加の例を次に示します。
1numpyをnpとしてインポートします
2 x = np.array([(1,2,3)、(3,4,5)])
3 y = np.array([(1,2,3)、(3,4,5)])
4印刷(x + y)
上記のコードの出力– [[2 4 6] [6 8 10]]
前に述べたように、減算や除算など、NumPy配列に対して他の数学演算を実行することもできます。 方法は次のとおりです。
1numpyをnpとしてインポートします
2 x = np.array([(1,2,3)、(3,4,5)])
3 y = np.array([(1,2,3)、(3,4,5)])
4 print(xy)
5印刷(x * y)
6プリント(x / y)
上記のコードの出力– [[0 0 0] [0 0 0]]
[[1 4 9] [9 16 25]]
[[1. 1. 1.] [1. 1. 1.]]
ほつれ
ravel操作では、NumPy配列を単一の列であるravelに変換できます。 次に例を示します。
1numpyをnpとしてインポートします
2 x = np.array([(1,2,3)、(3,4,5)])
3 print(x.ravel())
コードの出力– [1 2 3 3 4 5]
結論
このPythonNumPyチュートリアルは非常に有益であると確信しています。 これまでに、PythonNumPyとは何かとその関数は何かを理解しているはずです。 このトピックについて他にご不明な点がございましたら、お気軽にお問い合わせください。
データサイエンスについて知りたい場合は、IIIT-B&upGradのデータサイエンスのエグゼクティブPGプログラムをチェックしてください。これは、働く専門家向けに作成され、10以上のケーススタディとプロジェクト、実践的なハンズオンワークショップ、業界の専門家とのメンターシップを提供します。1業界のメンターとの1対1、400時間以上の学習、トップ企業との仕事の支援。
PythonでのNumPyの使用は何ですか?
NumPyは、Pythonで配列を操作するために広く使用されているライブラリです。 NumPyには、行列、フーリエ変換、線形代数の領域で作業できる特定の関数があります。
リストは、配列の目的を果たすためにPythonで使用されます。 ここでの唯一の欠点は、処理がかなり遅いことです。 NumPyには配列オブジェクトを提供する機能があり、従来のPythonリストと比較して50倍高速であることがわかっています。 NumPyの配列オブジェクトには、その作業をはるかに簡単かつ簡単にするために提供されるさまざまなサポート関数があります。 データサイエンスの速度とリソースに関しては、配列が考慮され、それがNumPyの出番です。
NumPyを学ぶための最良の方法は何ですか?
Pythonで機能するための基本的なパッケージに関しては、NumPyがリストに含まれています。 NumPyは、高レベルの構文、コンパイルされたコードの速度によるPythonの柔軟性、数値計算ツールなど、いくつかの動的な機能があるため、Pythonでよく知られているライブラリです。
NumPyを学び始めたら、いくつかのオンラインチュートリアルを実行し、NumPyの公式ドキュメントを読むことをお勧めします。 これは、高度な概念に進む前に、基礎知識を身に付けるのに役立ちます。 後で、YouTubeチュートリアルなどの他のリソースを使用したり、PythonでのNumPyの操作に関する詳細な知識を得るためのコースを受講したりすることもできます。
NumPy配列は高速ですか、それともリストですか?
NumPy配列は、従来のPythonリストよりも高速な代替手段として知られています。 データに対して実行する操作に関係なく、NumPy配列はリストよりもはるかに正確であることがわかります。
配列のサイズが大きくなると、NumPyの速度はPythonリストと比較して30倍速くなります。 したがって、単純な削除操作を実行した場合でも、NumPy配列が高速であることに気付くでしょう。 NumPyアレイは同種のタイプであるため密集しているため、メモリをより速くクリアする傾向もあります。