NumPyでデータを自在に操る：配列の操作と基本計算

2024年4月11日

配列の操作

NumPyで扱うデータの基本単位は配列です。データ分析や科学計算では、この配列の形状を変更したり、複数の配列を結合したりすることがよくあります。ここでは、NumPy配列の基本的な操作方法について学びます。

配列の形状を変更することは、データを望む形に整える際に非常に重要です。reshapeメソッドを使用して、配列の形状を変更することができます。

import numpy as np

# 6要素の1次元配列
a = np.arange(6)
print("元の配列:", a)

# 2行3列の2次元配列に形状変更
b = a.reshape((2, 3))
print("形状変更後の配列:\n", b)

この例では、arange関数で0から5までの数値を含む配列を作り、reshapeメソッドで2行3列の2次元配列に変更しています。

複数の配列を結合したり、大きな配列を小さな配列に分割したりすることも、データ処理では頻繁に行われます。concatenate関数を使って配列を結合しましょう。

# 2つの配列の結合
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.concatenate([a, b])
print("結合された配列:", c)

配列を分割するには、split関数を使用します。

# 配列の分割
d, e = np.split(c, [3])
print("分割された配列1:", d)
print("分割された配列2:", e)

この例では、concatenateで2つの配列を結合し、splitで元の2つの配列に分割しています。

NumPyを使う最大のメリットの一つは、高速な数値計算を行えることです。基本的な算術計算から始めてみましょう。

NumPy配列に対する算術演算は、要素ごとに行われます。これを要素ごとの演算（element-wise operations）といいます。

a = np.array([1, 2, 3, 4])

# 要素ごとの加算
print("加算:", a + 1)

# 要素ごとの乗算
print("乗算:", a * 2)

NumPyには、平均、中央値、標準偏差といった統計計算を行うための関数が備わっています。

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

# 平均
print("平均:", np.mean(a))

# 中央値
print("中央値:", np.median(a))

# 標準偏差
print("標準偏差:", np.std(a))

リンク

実際に手を動かしてみる: NumPyの概念を読んだだけでは、実感がわきにくいです。対話式のPython環境（例えばJupyter Notebook）で実際にコードを書いてみましょう。
公式ドキュメントを活用する: NumPyの公式ドキュメントには、より詳細な情報と豊富な例が載っています。わからないことがあったら、積極的に探してみましょう。
エラーメッセージを読む: コードが期待通りに動かない時は、エラーメッセージをよく読んでみてください。多くの場合、問題の原因や解決のヒントが隠されています。

NumPyの基礎からさらに深い内容へと進んでいくにつれて、データ処理のスキルが格段に向上します。今回学んだ配列の操作と基本計算をマスターすることで、Pythonによる科学計算の扉が大きく開かれます。