NumPyの簡単な使い方とバージョン確認について


はるか
NumPy、インストールした?

ふゅか
うん!Pythonで数値計算するときによく使うからね!
NumPyはPythonでの数値計算やデータ処理でよく使われるライブラリで、行列・ベクトル演算などを高速に行うことができます。ここでは、NumPyのインストール方法からバージョン確認、基本的な使い方まで簡単に紹介します。
目次
1. NumPyのインストール
NumPyがまだインストールされていない場合は、以下のコマンドを使ってインストールできます。
(※ すでにAnacondaなどを利用している場合は自動でインストールされている場合があります。)
pip install numpy
もし pip
でインストールできない場合は、Pythonのバージョンや環境に応じて pip3
とコマンドを指定してください。また、Anaconda環境であれば
conda install numpy
でもインストールできます。
2. NumPyのバージョン確認
NumPyをインポートした後、以下の方法でバージョンを確認できます。
import numpy as np
print(np.__version__)

はるか
import numpy as np でインポート。np.__version__ でバージョン確認。

ふゅか
うん!バージョン違いで動作が変わることもあるから、確認しておくと安心だね!
3. NumPyの基本的な使い方
3.1. NumPy配列(ndarray)を作成する
PythonのリストやタプルからNumPy配列に変換できます。
import numpy as np
# リストからNumPy配列を作る
data_list = [1, 2, 3, 4, 5]
arr = np.array(data_list)
print(arr)
# 出力: [1 2 3 4 5]
# 多次元配列 (2次元の場合)
data_2d = [[1, 2, 3], [4, 5, 6]]
arr_2d = np.array(data_2d)
print(arr_2d)
# 出力:
# [[1 2 3]
# [4 5 6]]
3.2. 配列の形状を確認する
NumPy配列には shape
や dtype
などの属性があります。
print(arr_2d.shape) # (2, 3) -> 2行3列
print(arr_2d.dtype) # 配列の要素の型 (例: int64 など)
3.3. 配列の要素にアクセスする
Pythonのリストと似ていますが、多次元配列でも簡単にインデックス指定できます。
# 1次元配列
print(arr[0]) # 先頭の要素 -> 1
# 2次元配列
print(arr_2d[0, 0]) # 行0、列0 -> 1
print(arr_2d[1, 2]) # 行1、列2 -> 6
3.4. 配列の演算
NumPy配列同士や定数との四則演算は要素ごとに行われます。
arr_a = np.array([1, 2, 3])
arr_b = np.array([4, 5, 6])
print(arr_a + arr_b) # [5, 7, 9]
print(arr_a * arr_b) # [4, 10, 18]
print(arr_a * 3) # [3, 6, 9]
3.5. よく使うNumPyの関数やメソッド
np.arange(start, stop, step)
整数列・等差数列を作るのに便利です。arr_range = np.arange(0, 10, 2) print(arr_range) # [0 2 4 6 8]
np.linspace(start, stop, num)
区間を等分してベクトルを作成します。arr_lin = np.linspace(0, 1, 5) print(arr_lin) # [0. 0.25 0.5 0.75 1. ]
np.zeros(shape)
/np.ones(shape)
すべてが0または1の配列を作成します。arr_zeros = np.zeros((2, 3)) print(arr_zeros) # [[0. 0. 0.] # [0. 0. 0.]]
- 配列の要約統計量
arr.sum()
: 要素の合計arr.mean()
: 要素の平均arr.std()
: 標準偏差arr.max()
/arr.min()
: 最大・最小
data = np.array([1, 2, 3, 4, 5]) print(data.sum()) # 15 print(data.mean()) # 3.0 print(data.std()) # 1.4142135623730951
4. 簡単な例:配列演算と統計量計算
以下の例では、乱数を使った配列を生成し、演算や統計量を確認しています。
import numpy as np
# 乱数シード設定 (結果を再現可能にするため)
np.random.seed(42)
# 0以上1未満の乱数を5×4の形状で生成
random_arr = np.random.rand(5, 4)
print("Original Array:\n", random_arr)
# 要素ごとの演算 (例えば2倍)
times_two = random_arr * 2
print("\nTimes Two:\n", times_two)
# 行ごとの合計 (axis=1)
row_sum = random_arr.sum(axis=1)
print("\nRow Sum:", row_sum)
# 全体の平均 (axis指定なし)
overall_mean = random_arr.mean()
print("Mean:", overall_mean)
5. まとめ
- インストール:
pip install numpy
やconda install numpy
でインストール。 - バージョン確認:
import numpy as np; print(np.__version__)
で確認。 - 基本操作:
np.array()
やnp.arange()
,np.zeros()
,arr.sum()
,arr.mean()
などで配列を作成・操作・統計量を計算。 - ブロードキャスト演算:
arr + 2
やarr_a + arr_b
のように、要素同士をまとめて計算できる。
NumPyは行列演算だけでなく、様々な数学的関数(指数・対数・三角関数など)やデータの操作(次元の入れ替え、結合、分割など)にも対応しており、データ解析や機械学習・科学技術計算などで幅広く使われています。まずは、上記のような基本的な機能に慣れてから、PandasやMatplotlibなどのライブラリと組み合わせて活用すると、データ処理・解析がさらに効率よく行えるようになります。
PR