【科学計算】機械学習に便利なNumPyの基本！その1【Python】

数学に強い

Pythonで、行列やベクトルを使った計算に使われます。行列やベクトルの加算・減算・内積・外積といった基本的な計算や、逆行列・連立1次法式の求解機能があります。また、行列計算に優れているため、機械学習の画像処理には頻繁にしようされます。

準備

①VSCodeをインストールします。

→MacOSでVisual Studio Codeをインストール

②VSCodeにPython実行環境を作ります。

→【MacOS】PythonをインストールしてVSCodeの実行環境をつくる【Python】

③Anacondaをインストールします。

→【MacOS】Anaconda3をインストールする【Python3】

④MacPCにインストールしたVSCODEからAnaconda3を利用できる状態にします。

→【MacOS】Visual Studio Code(VSCode)にAnacondaの仮想環境を指定【MacOS】

インストール・インポート方法

pipコマンドでインストールします。

pip instarll numpy

以下のようにImportします。

import numpy as np

Numpy配列

Numpy配列は数値を扱うことに最適化されている配列です。ただし、同じ型のオブジェクトしか格納できません。その代わり、list関数で作ったリストよりも速いです。数値意外にも、ブール型、ユニーク文字列、Pythonオブジェクト型も扱えます。

Numpyで1次元配列を作る

ndarray（エヌディアレイ）配列を使います。Pytonにはもともとlistなどの配列機能がありますが、これらと動きが違います。

import numpy as np
x = np.array([13,16,19])

xがndarrayオブジェクトとなります。

ndarrayの特徴

• 同じ型を持つ要素しか格納することができない
• 各次元ごとの(2次元なら列ごとや行ごと)の要素数は必ず一定
• C言語を元に、最適化された行列演算を行うため効率的な処理をすることができる

Listとの違い

Listで掛け算をすると、以下のような結果になります。配列が単純に同じ値のまま2倍になります。

y = [13,16,19]
y_2 = y * 2

#[13,16,19,13,16,19]

ところが、ndarrayに同じ計算をすると、以下のように配列のそれぞれの値に掛け算を行います。

import numpy as np
x = np.array([13,16,19])
x_2 = x * 2

#[26,32,38]

mapを使用すれば、上記と同じことができますが、ndarrayの優れた部分は、配列同士で演算や行列計算ができることです。

行列計算

行列は、高校の数Ｃで学ぶ人がほとんどだと思います。ndarryaの優れているところは、配列内の大量の数値を高スピードで計算できることです。「x_2 = x * 2」は、行列の定数倍の計算結果と同じになります。

import numpy as np
x = np.array([13,16,19])
x_2 = x * 2

#[26,32,38]

ndarryaは多次元配列も扱える

以下のようにnp.arrayに多次元配列を指定すれば、多次元配列を扱うことができるようになります。

import numpy as np
x = np.array(多次元リスト)

import numpy as np
x = np.array(
[[10,14,15],
 [20,24,26]]
)

import numpy as np
x_3 = np.array(
[[[10,11],[13,14],[15,16]]
 [[20,21],[23,24],[26,27]]]
)

配列の操作

import numpy as np

x_1 = np.array([1,2,3])

x_2 = np.array(
[[10,12,13],
[20,21,23]]
)

x_3 = np.array(
[[[10,11],[13,14],[15,16]]
 [[20,21],[23,24],[26,27]]]
)

print(x_1.ndim)
>>1
print(x_2.ndim)
>>2
print(x_3.ndim)
>>3

import numpy as np

x_1 = np.array([1,2,3])

x_2 = np.array(
[[10,12,13],
[20,21,23]]
)

x_3 = np.array(
[[[10,11],[13,14],[15,16]]
 [[20,21],[23,24],[26,27]]]
)

print(x_1.shape)
>>(3,)
print(x_2.shape)
>>(3,2)
print(x_3.shape)
>>(2,3,2)

次回

工事中。