NumPyの配列作成

2019年8月18日2022年5月6日

NumPyの配列作成時によく使われそうな関数を紹介します。Pythonの配列とも多少違うのでしっかりと確認しましょう。自分もしょっちゅう忘れるので備忘録も兼ねて記載します。

指定した数字で配列を作成

zeros

指定した配列または数字を全てゼロを挿入します。

【例】

import numpy as np
np.zeros((2,4), dtype=int)

【実行結果】
array([[0, 0, 0, 0],
       [0, 0, 0, 0]])

---

zeros_like

指定した配列と同じ形状を持つ配列を作成。要素は全てゼロで挿入される。

【例】

import numpy as np
 
a = np.random.rand(3,2)
b = np.zeros_like(a)
print(a)
print(b)

【実行結果】
[[0.41550344 0.78356554]
 [0.9014983  0.20246867]
 [0.38522346 0.52750318]]
[[0. 0.]
 [0. 0.]
 [0. 0.]]

---

ones

指定した配列または数字を1で埋め込みます。

【例】

import numpy as np
np.ones((5, 6), dtype=float)

【実行結果】
array([[1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.]])

---

full

指定した値を指定した配列または数字に挿入します(下記のコードの場合1.4142)。

【例】

import numpy as np
np.full((3, 5), 1.4142)

【実行結果】
array([[1.4142, 1.4142, 1.4142, 1.4142, 1.4142],
       [1.4142, 1.4142, 1.4142, 1.4142, 1.4142],
       [1.4142, 1.4142, 1.4142, 1.4142, 1.4142]])

一定間隔の数字で配列を作成

arange

指定した範囲の数字を一定の間隔で埋めていきます。
下記の場合0から26までの数字で2間隔で配列に埋め込んでいます。

【例】

import numpy as np
np.arange(0, 26, 2)

【実行結果】
array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18, 20, 22, 24])

---

linspace

指定した範囲の数字を一定の間隔で分割しています。
下記の場合0から2までの数字を5分割して配列に埋め込んでいます。

【例】

import numpy as np
np.linspace(0, 2, 5)

【実行結果】
array([0. , 0.5, 1. , 1.5, 2. ])

乱数で配列を作る

random.random_sample 0~1の乱数

配列または数字で指定された次元に0~1の乱数を発生させます。

※random.random、random.ranf、random.sampleのこれらはrandom.random_sampleのエイリアスです。

【例】

import numpy as np
np.random.random_sample((3, 3))

【実行結果】
array([[0.15490586, 0.98565728, 0.34593982],
       [0.55123632, 0.58481885, 0.59000275],
       [0.5701705 , 0.63988713, 0.22034551]])

---

random.rand 0~1の乱数

指定された次元に0~1の乱数を発生させます。
random.random_sampleとの違いは引数の与え方です。

【例】

import numpy as np
np.random.rand(3,2)

【実行結果】
array([[0.01528079, 0.893044  ],
       [0.53571373, 0.58950037],
       [0.53957641, 0.76926684]])

---

random.normal 正規分布に従う乱数

指定した配列または数字に正規分布に従う乱数を埋め込みます。

【例】

import numpy as np
np.random.normal(0, 1, (2, 2))

【実行結果】
array([[-0.11694555, -0.57693902],
       [-1.55712622,  0.23347421]])

---

random.randint 指定した範囲の乱数

指定した範囲の値で乱数を発生させる。

【例】

import numpy as np
np.random.randint(0, 10, (3, 3)) 

【実行結果】
array([[8, 9, 4],
       [3, 4, 5],
       [3, 9, 0]])

---

random.randn 標準正規分布の乱数

標準正規分布に従った乱数を発生させる。

【例】

import numpy as np
np.random.randn(2,3)

【実行結果】
array([[ 1.36458197,  0.40702114, -0.64840371],
       [ 1.9567457 ,  0.20099753, -1.24822658]])

---

random.choice 要素を選択

配列やリスト・タプルの中から要素をランダムに選択します。

【例】配列から選択

import numpy as np
x = np.array([1,3,5,7,9,11,13])
 
a = np.random.choice(x)
b = np.random.choice(x,2)
 
print(a)
print(b)

【実行結果】
13
[11  7]

【例】確率を指定して配列から選択

import numpy as np
x = np.array([1,3,5,7,9,11,13])
 
a = np.random.choice( x, 3, replace=False, p=[0.1, 0.1, 0.3, 0.1, 0.1, 0.2, 0.1] )
print(a)

【実行結果】
[ 5 11  9]

---

random.uniform 指定範囲の乱数

指定した範囲で乱数を作成します。

【例】

import numpy as np
 
print(np.random.uniform())
print(np.random.uniform(3))
print(np.random.uniform(2, 6))
print(np.random.uniform(1, 3, 3))
print(np.random.uniform(4, 5, [3,2]))

【実行結果】
0.2065014712443649
2.131755758713982
5.047370401908152
[2.84762668 2.55190818 2.96576773]
[[4.71231474 4.91989518]
 [4.96528695 4.59754732]
 [4.11576042 4.26972255]]

---

random.multivariate_normal 共分散の乱数

共分散に基づいた乱数を作成します。

【例】

import numpy as np
import matplotlib.pyplot as plt
 
mean = [0, 0]
cov = [[1, 2],
       [2, 5]]
X = np.random.multivariate_normal(mean, cov, 50)
plt.scatter(X[:,0], X[:,1]);

【実行結果】

---

同じ乱数を作る

random.seed

乱数を登録し同じ乱数を発生させる(乱数の初期化)。

import numpy as np
np.random.seed(0)

【例】

import numpy as np
np.random.seed(0) # 同じ乱数発生させる為に0を設定
　
np.random.randint(0, 10, (3, 3)) # 乱数を発生させる

array([[5, 0, 3],
       [3, 7, 9],
       [3, 5, 2]])

np.random.randint(0, 10, (3, 3)) # もう一度乱数を発生させる

array([[4, 7, 6],
       [8, 8, 1],
       [6, 7, 7]])

np.random.seed(0) # さきほど設定した0で初期化
np.random.randint(0, 10, (3, 3)) # 再度乱数を発生

# 最初と同じ結果で初期化されました
array([[5, 0, 3],
       [3, 7, 9],
       [3, 5, 2]])

---

random.RandomState

指定した番号の乱数をインスタンス化して乱数を発生される。

【例】

import numpy as np
 
r1 = np.random.RandomState(1234)
r1.randint(0,10,3)

【実行結果】
array([3, 6, 5])

seedとRandomStateの違い

RandomStateはインスタンス化して個々に乱数を発生させることができるが、seedはできない。

【例】

import numpy as np
 
r2 = np.random.seed(1234)
r2.randint(0,10,3)

【実行結果】
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-23-c997174b2cf2> in <module>
      2 
      3 r2 = np.random.seed(1234)
----> 4 r2.randint(0,10,3)

AttributeError: 'NoneType' object has no attribute 'randint'

---

その他の配列作成

eye

指定した数字の単位行列を生成する。

【例】

import numpy as np
np.eye(3) 

【実行結果】
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

---

empty

指定した配列または数字に初期化されてない値を埋め込みます。メモリに既に残っている数字が挿入されます。

【例】

import numpy as np
np.empty(3) 

【実行結果】
array([1., 1., 1.])

---

asarray

ndarray引数にasarrayで配列を作成すると元の配列と作成された配列が同期される。

【例】

import numpy as np

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

# 元の配列に変更を加える
a[0] = 2

# 同期されていることが確認
print(a)
print(b)

【実行結果】
[2 2 3]
[2 2 3]

---

格子点の作成

meshgrid

マトリクス座標の格子点を作成します。

【例】

import numpy as np

x = np.array([0,4])
y = np.array([0,3,6])

xv, yv = np.meshgrid(x,y)

xv,yv

【実行結果】
(array([[0, 4],
        [0, 4],
        [0, 4]]),
 array([[0, 0],
        [3, 3],
        [6, 6]]))

meshgrid解説

meshgridの、xで指定した値、yで指定した値はそれぞれ下図のようになります。

mgrid

meshgridを返すnd_gridインスタンス。meshgrid同様にマトリクス座標の格子点を作成します。

【例】

import numpy as np

np.mgrid[0:4:2,0:9:3]

【実行結果】
array([[[0, 0, 0],
        [2, 2, 2]],

       [[0, 3, 6],
        [0, 3, 6]]])

mgrid解説

mgridのxで指定した値[0:4:2]は、0と2になります。
mgridのyで指定した値[0:9:3]は、0と3と6になります。

値が配置される方向は下図のようになります。

---

こちらのサイトを参考にしました。