【Python NumPy linspace】ベクトル・行列の生成・初期化方法(6)：１次元配列（ベクトル）・数列の生成方法（linspace, arrange）について、サンプルコードとともに、サクッとわかりやすくまとめました【Python 入門】

NumPy は、Python モジュールの１つで、

高速計算やデータ加工などで必須のライブラリです。

NumPyの文法を理解すると、

サクッと実装でき、プログラミングが加速します。

NumPyは、高次元データを扱うことが多く、

各次元ごとに処理を行う

といったこともよくあります。

各次元は、それぞれ１次元ですので、

１次元の繰り返し処理などを使ったりします。

そこで、整数列を生成する方法（初期化）をしておくと役立ちます。

 

そこで本シリーズでは、NumPyの配列生成や初期化について、まとめています。

 

第５話では、数列の生成・初期化について、

• NumPy の np.arange
• Python の range関数

を比較しながら、使い方をまとめました↓

『【Python NumPy arange】ベクトル・行列の生成・初期化方法(5)：１次元配列（ベクトル）・数列の生成方法（range, arrange）について、サンプルコードとともに、サクッとわかりやすくまとめました【Python 入門】』

 

また、第１弾から第４弾までは、行列の初期化を扱いました

『【Python NumPy】ベクトル・行列の生成・初期化方法(1)：ゼロ行列 zeros、zeros_likeについて、サンプルコードとともに、サクッと、わかりやすく、まとめました【Python 入門】』

 

『【Python NumPy】ベクトル・行列の生成・初期化方法(2)：すべて要素１の行列 ones、ones_likeについて、サンプルコードともに、サクッと、わかりやすく、まとめました【Python 入門】』

 

『【Python NumPy】ベクトル・行列の生成・初期化方法(3)：単位行列の生成（ identity、eye）について、サンプルコードとともに、サクッとわかりやすくまとめました【Python 入門】』

 

『【Python NumPy 独学】ベクトル・行列の生成・初期化方法(4)：高速な配列の生成方法（empty）について、サンプルコードとともに、サクッとわかりやすくまとめました【Python 入門】』

これら４つを理解しておけば、NumPyの配列の生成・初期化の基礎はオッケーです。

 

本記事では、NumPy での１次元配列の生成・初期化について、

• np.linspace

の使い方と、似たような使い方ができる

• np.arange

との違いについて

サクッと、わかりやすく、まとめたいと思います。

【Python NumPy linspace】ベクトル・行列の生成・初期化方法(6)：１次元配列（ベクトル）・数列の生成方法（linspace, arrange）について、サンプルコードとともに、サクッとわかりやすくまとめました【Python 入門】

数列・整数列を生成・初期化するには、

いくつかの方法があります。

NumPy では、主に２つの方法があります。

• np.arange

については、前回の記事でまとめました。

『【Python NumPy arange】ベクトル・行列の生成・初期化方法(5)：１次元配列（ベクトル）・数列の生成方法（range, arrange）について、サンプルコードとともに、サクッとわかりやすくまとめました【Python 入門】』

 

本記事では、もう１つの方法

• np.linspace

についてまとめ、

• np.linspace
• np.arange

の使い分けについても、わかりやすく、サクッとまとめたいと思います。

 

「NumPy」での数列の生成・初期化:（np.linspace）

np.linspace は３つの数字を指定する

np.linspace( ) の中に、３つの数字が指定されています。

np.linspace(  ) では、

• 左の数字から、
• 真ん中の数字までを、
• 右の数字で等分

した数列を生成します。

上の例 np.linspace(0, 5, 6)は、

• ０から５までを６等分した数列

を返します。

６等分するので、６個の要素を持った配列になります。

 

 

np.linspace はデフォルトで５０等分

この例では、

np.linspace(0, 5)と２つの数字が指定されています。

この場合、

数列の最初と最後が指定されてますが、

何等分するかは指定されていません。

なので、デフォルトの５０等分が採用されて、

Out[33]のようになっています。

５０等分するので、５０個の配列が返されます。

 

 

数列の間隔は retstep で指定する

何等分かすると、数列同士の間隔の値が複雑になることがかります。

それを表示して確認したりすることができます。

In[35]のように、np.linspace( )の中に、数字を３つ指定して、

そのあとに「retstep=True」と指定します。

Out[35]のように、最後に、１.0と間隔が表示されています。

デフォルトでは表示されません。

 

 

np.linspace はデータ型を指定できる

デフォルトでは、浮動小数点型で生成されます。

例えば、dtype =’int’

などと指定すると、整数型のデータが生成されます。

 

 

 

np.linspace と np.arange の違いとは

np.linspace も np.arange も、基本的には、

３つの数字を指定して使います。

ただし、それらの数字の意味が違っています。

np.linspace の場合は、

• 左の数字　＝　生成する数列の最初の数字
• 真ん中の数字　＝　生成する数列の最後の数字
• 右の数字　＝　最初の数字と最後の数字を何等分するか

np.arange  の場合は

• 左の数字　＝　生成する数列の最初の数字
• 真ん中の数字　＝　生成する数列の最後の数字＋１
• 右の数字　＝　何個おきに生成するか

 

np.linspace とnp.arange の違いは、

真ん中の数字と右の数字になります。

 

最初の数字は、どちらも生成する配列の最初の数字です。

 

真ん中の数字は、生成する配列の最後に関係します。

生成する配列の最後の数字は、

• np.linspace では「真ん中の数字」
• np.arange では「真ん中の数字−１」

になります。

 

右の数字は、

• np.linspace では、「何等分にするか」
• np.arange では、「何個おきに生成するか」

を表しています。

 

 

 

というわけで、本記事では、

NumPy での１次元配列の生成・初期化について、

• np.linspace

の使い方と、似たような使い方ができる

• np.arange

との違いについて

サクッと、わかりやすく、まとめました。

 

 

 

こちらもございます↓