08. NumPy：配列を作成する¶
NumPyとは¶
ここからは、NumPyの基本を扱います。
NumPyは、数値をまとめて計算するためのライブラリです。
機械学習では、画像、音声、表の数値列などを、数値のまとまりとして扱うことが多いです。
行列みたいなものをforを使わずに一気に扱うためにあります。
準備¶
ライブラリを読み込む¶
Pythonに最初から入っていない機能を使うときは、import でライブラリを読み込みます。
NumPyは、慣習的に np という短い名前をつけて使います。
import numpy as np
scores = np.array([80, 65, 90])
print(scores)
print(type(scores))
import numpy as np は、「NumPyを np という名前で使います」という意味です。
np.array() で作ったものは、NumPy配列です。Pythonのリストに似ていますが、数値をまとめて計算するためのメソッドや機能を持っています。
配列を作る¶
基本¶
NumPyでは、数値のまとまりを配列として扱います。
まずは、よく使う作り方をまとめて見てみます。
import numpy as np
scores = np.array([80, 65, 90])
numbers = np.arange(10, 20)
matrix = np.arange(9).reshape(3, 3)
zeros = np.zeros((4, 4))
ones = np.ones(3)
evenly_spaced = np.linspace(0, 1, 5)
print(scores)
print(numbers)
print(matrix)
print(zeros)
print(ones)
print(evenly_spaced)
上のコードで使った関数を整理すると、次のようになります。
| 書き方 | 何を作るか |
|---|---|
np.array([80, 65, 90]) |
PythonのリストからNumPy配列を作る |
np.arange(10, 20) |
10から19までの連続した整数の配列を作る |
np.arange(9).reshape(3, 3) |
0から8までの配列を作り、3行3列に形を変える |
np.zeros((4, 4)) |
すべての値が0の4行4列の配列を作る |
np.ones(3) |
すべての値が1の長さ3の配列を作る |
np.linspace(0, 1, 5) |
0から1までを5個に等間隔で分けた配列を作る |
reshape() は、配列の形を変えるメソッドです。
np.arange(9) で作った配列には9個の値が入っているので、3 × 3 = 9 の形に変えられます。
同じ形の配列を作る¶
すでにある配列と同じ形で、0や1だけの配列を作ることもできます。
import numpy as np
image = np.array([
[255, 128, 0],
[64, 32, 16],
])
zeros = np.zeros_like(image)
ones = np.ones_like(image)
print(zeros)
print(ones)
np.zeros_like(image) は、image と同じ形の0だけの配列を作ります。
np.ones_like(image) は、image と同じ形の1だけの配列を作ります。
画像や表のデータと同じ形の「入れ物」を作りたいときに使います。
NumPy配列の演算¶
基本¶
リストに + 5 と書いても、全員に5点足す動きにはなりません。
scores = [80, 65, 90]
print(scores + [5])
リストの + は、リスト同士をつなげる動きになります。
NumPy配列では、配列全体に対してまとめて計算できます。
import numpy as np
scores = np.array([80, 65, 90])
adjusted_scores = scores + 5
scaled_scores = scores / 100
print(adjusted_scores)
print(scaled_scores)
scores + 5 は、scores の中の値すべてに5を足しています。
scores / 100 は、scores の中の値すべてを100で割っています。
内積¶
内積は、2つの配列の値を対応する場所ごとに掛けて、最後に足し合わせる計算です。
import numpy as np
scores = np.array([80, 72])
weights = np.array([0.6, 0.4])
weighted_score = np.dot(scores, weights)
print(weighted_score)
この例では、次の計算をしています。
80 * 0.6 + 72 * 0.4
機械学習では、入力の値に重みを掛けて足し合わせる計算がよく出てきます。
同じ計算は、@ を使っても書けます。
import numpy as np
scores = np.array([80, 72])
weights = np.array([0.6, 0.4])
weighted_score = scores @ weights
print(weighted_score)
集計する¶
NumPy配列は、合計、平均、最大値なども簡単に計算できます。
import numpy as np
x = np.array([16, 12, 12, 11, 11])
print(np.sum(x))
print(np.prod(x))
print(np.mean(x))
print(np.std(x))
print(np.median(x))
print(len(x))
print(np.max(x))
print(np.min(x))
print(np.argmax(x))
print(np.argmin(x))
よく使う集計関数を整理すると、次のようになります。
| 書き方 | 意味 |
|---|---|
np.sum(x) |
合計 |
np.prod(x) |
すべて掛け合わせた値 |
np.mean(x) |
平均 |
np.std(x) |
標準偏差 |
np.median(x) |
中央値 |
len(x) |
要素数 |
np.max(x) |
最大値 |
np.min(x) |
最小値 |
np.argmax(x) |
最大値の場所 |
np.argmin(x) |
最小値の場所 |
2つの配列を比べて、場所ごとの大きい値や小さい値を取ることもできます。
import numpy as np
model_a = np.array([0.82, 0.76, 0.91])
model_b = np.array([0.80, 0.79, 0.88])
best_scores = np.maximum(model_a, model_b)
worst_scores = np.minimum(model_a, model_b)
print(best_scores)
print(worst_scores)
np.maximum() は、対応する場所ごとに大きい値を取ります。
np.minimum() は、対応する場所ごとに小さい値を取ります。
その他¶
乱数を作る¶
練習用のデータや、ランダムな初期値を作るときに乱数を使います。
import numpy as np
uniform_values = np.random.rand(5)
normal_values = np.random.randn(5)
print(uniform_values)
print(normal_values)
np.random.rand() は、0以上1未満の一様乱数を作ります。
np.random.randn() は、平均0、標準偏差1の正規分布に近い乱数を作ります。
機械学習では、重みの初期値やダミーデータを作るときに乱数が出てきます。
型の変換¶
NumPy配列の型を変えたいときは、astype() を使います。
import numpy as np
scores = np.array([80.0, 65.0, 90.0])
int_scores = scores.astype(int)
print(scores)
print(scores.dtype)
print(int_scores)
print(int_scores.dtype)
astype(int) は、配列の中の値を整数として扱う配列に変換します。
画像の処理では、uint8 という型もよく出てきます。
import numpy as np
values = np.array([0, 128, 255])
image_values = values.astype(np.uint8)
print(image_values)
print(image_values.dtype)
uint8 は、0から255までの整数を扱う型です。
RGB画像の明るさや色の値でよく使われます。
このページのまとめ¶
- NumPyは数値をまとめて計算するためのライブラリ
import numpy as npと書いて読み込むnp.array()で配列を作るnp.arange(),np.zeros(),np.ones(),np.linspace()もよく使う- NumPy配列はまとめて足し算や割り算ができる
np.dot()や@で内積を計算できるnp.sum(),np.mean(),np.max()などで集計できるnp.random.rand()とnp.random.randn()で乱数を作れるastype()で配列の型を変換できる