NumPy 使い方一覧 徹底解説: Pythonで高速数値計算をマスター！

pip install numpy

import numpy as np

# リストから配列を作成
arr1d = np.array([1, 2, 3, 4, 5])
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
print("1D配列:\n", arr1d)
print("2D配列:\n", arr2d)
print("配列の形状 (shape):", arr2d.shape)
print("配列の次元数 (ndim):", arr2d.ndim)
print("配列の要素数 (size):", arr2d.size)
print("要素のデータ型 (dtype):", arr2d.dtype)
print("\n")

# 特定の値で初期化
zeros_arr = np.zeros((2, 3)) # 0で初期化
ones_arr = np.ones((2, 2))   # 1で初期化
full_arr = np.full((2, 2), 7) # 指定した値で初期化
print("zeros:\n", zeros_arr)
print("ones:\n", ones_arr)
print("full (7):\n", full_arr)
print("\n")

# 連続する値
range_arr = np.arange(10)      # 0から9まで
linspace_arr = np.linspace(0, 1, 5) # 0から1までを5等分
print("arange:\n", range_arr)
print("linspace:\n", linspace_arr)
print("\n")

# ランダムな値
rand_arr = np.random.rand(2, 2) # 0-1の一様乱数
randint_arr = np.random.randint(0, 10, (2, 2)) # 0-9の整数乱数
print("rand:\n", rand_arr)
print("randint:\n", randint_arr)
print("\n")

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("元の配列:\n", arr)

# 単一要素
print("arr[0, 0]:", arr[0, 0]) # 1行0列目の要素
print("\n")

# スライス
print("arr[0, :]:", arr[0, :])   # 0行目全体
print("arr[:, 1]:", arr[:, 1])   # 1列目全体
print("arr[:2, 1:]:\n", arr[:2, 1:]) # 0-1行目、1列目以降
print("\n")

# 条件による選択 (ブールインデックス参照)
print("arr[arr > 5]:", arr[arr > 5]) # 5より大きい要素 (1D配列になる)
print("\n")

arr = np.arange(12)
print("元の配列:", arr)

# 形状変更 (reshape)
reshaped_arr = arr.reshape(3, 4)
print("reshape (3, 4):\n", reshaped_arr)
print("\n")

# 次元を平坦化 (flatten, ravel)
flat_arr = reshaped_arr.flatten()
print("flatten:\n", flat_arr)
print("\n")

# 次元を追加 (newaxis, expand_dims)
arr_col = arr1d[:, np.newaxis] # 1D配列を列ベクトルにする
print("列ベクトル化:\n", arr_col)
print("形状:", arr_col.shape)
print("\n")

arr_a = np.array([[1, 2], [3, 4]])
arr_b = np.array([[5, 6], [7, 8]])

# 要素ごとの加算、減算、乗算、除算
print("加算:\n", arr_a + arr_b)
print("乗算:\n", arr_a * arr_b)
print("\n")

# スカラーとの演算 (ブロードキャスティング)
print("arr_a + 10:\n", arr_a + 10)
print("\n")

# 異なる形状の配列との演算 (ブロードキャスティング)
vec = np.array([10, 20])
print("arr_a + vec:\n", arr_a + vec) # (2,2) + (2,) => 行ごとに加算
print("\n")

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

print("元の配列:\n", arr)
print("合計:", np.sum(arr))        # 全要素の合計
print("行ごとの合計:", np.sum(arr, axis=1)) # axis=1は行方向（列ごとの合計）
print("列ごとの合計:", np.sum(arr, axis=0)) # axis=0は列方向（行ごとの合計）
print("平均:", np.mean(arr))
print("最大値:", np.max(arr))
print("最小値:", np.min(arr))
print("標準偏差:", np.std(arr))
print("\n")

A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

# 行列の積 (dot product)
print("行列の積 (dot):\n", A.dot(B))
print("行列の積 (@演算子):\n", A @ B) # Python 3.5以降
print("\n")

# 転置 (transpose)
print("Aの転置:\n", A.T)
print("\n")

# 逆行列
try:
    inv_A = np.linalg.inv(A)
    print("Aの逆行列:\n", inv_A)
except np.linalg.LinAlgError:
    print("逆行列は存在しません。")
print("\n")

# 配列を.npyファイルに保存
np.save('my_array.npy', arr)

# .npyファイルから配列を読み込み
loaded_arr = np.load('my_array.npy')
print("ファイルから読み込んだ配列:\n", loaded_arr)
print("\n")

# テキストファイルとして保存 (CSVなど)
np.savetxt('my_data.csv', arr, delimiter=',')

# テキストファイルから読み込み
loaded_txt_arr = np.loadtxt('my_data.csv', delimiter=',')
print("CSVから読み込んだ配列:\n", loaded_txt_arr)
print("\n")