■ はじめに

https://aidemy.net/
https://codexa.net

で、Python で AI (Artificial Intelligence) を行う際に
必要なライブラリの中で、
最も基本的なNumPy（ナンパイ）について扱う。

AI に関わってくるPython ライブラリ

（１）NumPy（ナンパイ） << 今回のテーマ
（２）Pandas （パンダス）
（３）SciPy 
（４）scikit-learn（サイキット・ラーン）
（５）TensorFlow
（６）Keras（ケラス）
（７）PyTorch（パイトーチ）
（８）Apache MXNet
（９）Chainer  (チェイナー)

他にも...
「Matplotlib」「seaborn」
「neologdn」「MeCab」
など

【１】NumPy（ナンパイ）

 * Pythonでベクトルや行列計算を高速に行うための
　数値計算ライブラリ

【２】基本的な使い方

１）配列

* ndarray を使う

https://numpy.org/doc/stable/reference/generated/numpy.ndarray.html

２）行列

* matrix を使う

https://numpy.org/doc/stable/reference/generated/numpy.matrix.html

例：NumPy配列の定義

import numpy as np

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

# [1 2 3]
print(a)
# <class 'numpy.ndarray'>
print(type(a))

# [[1 2]
# [3 4]]
print(b)
# <class 'numpy.matrix'>
print(type(b))

【３】行列 / ベクトル

import numpy as np

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

# ベクトルの和
result = a + b
print(result) # [4 6]

# ベクトルスカラー倍
result = 4* a
print(result) # [4 8]

# ベクトル内積 - np.dot
result = np.dot(a, b)
print(result)

# 転置行列 - x.T
a = np.array([[1, 2, 3], [4, 5, 6]])
result = a.T
print(result)
# [[1 4]
# [2 5]
# [3 6]]

【４】Pythonの標準配列と NumPy配列との違い

import numpy as np

a1 = np.array([1, 2, 3])
a2 = [1, 2, 3]

a1 = a1 + [4]
a2 = a2 + [4]

# [5 6 7] <= 各要素に＋４されている
print(a1)
# [1, 2, 3, 4] <= 配列が追加
print(a2)

【５】サンプル

例１：一通りの処理

# NumPyをimport()
import numpy as np

# np.array(リスト)で配列を高速に扱うためのndarrayクラスを生成
np_numbers = np.array([0,1,2,3,4,5,6,7])

print(np_numbers)

# <class 'numpy.ndarray'>が表示
print(type(np_numbers))

# arr[start:end]で、startから(end-1)までのリストが作成（変数arrの要素の内3, 4, 5が表示）
print(np_numbers[3:6])

# コピー（クローン）は、「コピーしたい配列.copy()」
clone_np_numbers = np_numbers.copy()

arr = np.array([26, -3, 23, -2, 6])

# 絶対値
print(np.abs(arr))
# eのべき乗（e : ネイピア数 Napier's constant）
print(np.exp(arr_abs))
# 平方根
print(np.sqrt(arr_abs))

例２：データの読込・書込

import numpy as np

# 配列を定義
hello_array = np.array(
  [[1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]])
# 書き込み：np.savetxt
np.savetxt('hello.txt', hello_array, delimiter=",")

# 読み込み：np.loadtxt
csv_data = np.loadtxt("sample.csv", dtype="unicode", delimiter=",")
print(csv_data)

print('------')

csv_data = np.loadtxt("sample.csv", skiprows=1, dtype="unicode", delimiter=",")
print(csv_data)
print()
print(csv_data[0][1])

入力結果：sample.csv

id,name,remarks
001,Mike,-
002,Tom,Hello
003,Smith,World

出力結果

[['id' 'name' 'remarks']
 ['001' 'Mike' '-']
 ['002' 'Tom' 'Hello']
 ['003' 'Smith' 'World']]
------
[['001' 'Mike' '-']
 ['002' 'Tom' 'Hello']
 ['003' 'Smith' 'World']]

Mike

出力結果：hello.txt

1.000000000000000000e+00,2.000000000000000000e+00,3.000000000000000000e+00
4.000000000000000000e+00,5.000000000000000000e+00,6.000000000000000000e+00
7.000000000000000000e+00,8.000000000000000000e+00,9.000000000000000000e+00

参考文献

loadtxt / savetxt
http://taustation.com/numpy-file-load-save/
https://note.nkmk.me/python-numpy-loadtxt-genfromtxt-savetxt/
https://deepage.net/features/numpy-loadsavetxt.html

プログラムの超個人的なメモ

Memo for Programming.

【Python】 NumPy ～入門編～

■ はじめに

AI に関わってくるPython ライブラリ

目次

【１】NumPy（ナンパイ）

【２】基本的な使い方

例：NumPy配列の定義

【３】行列 / ベクトル

【４】Pythonの標準配列と NumPy配列との違い

【５】サンプル

例１：一通りの処理

例２：データの読込・書込

参考文献

関連記事

■ はじめに

AI に関わってくるPython ライブラリ

目次

【１】NumPy（ナンパイ）

【２】基本的な使い方

例：NumPy配列の定義

【３】行列 / ベクトル

【４】Pythonの標準配列 と NumPy配列 との違い

【５】サンプル

例１：一通りの処理

例２：データの読込・書込

参考文献

関連記事

【４】Pythonの標準配列と NumPy配列との違い