Pythonを利用した数値計算や統計分析は、多くの場面で役立ちます。本記事では、基本的な算術演算から高度な数値解析まで、幅広い項目を詳しく解説します。
基本的な算術演算
Pythonでは基本的な算術演算を簡単に行えます。
x = 10
y = 3
print(x + y) # 足し算: 13
print(x - y) # 引き算: 7
print(x * y) # 掛け算: 30
print(x / y) # 割り算: 3.333...
print(x % y) # 剰余: 1
print(x ** y) # 累乗: 1000乱数の生成
乱数を生成するには、randomモジュールを使用します。
import random
# 0から1の間の乱数を生成
print(random.random())
# 指定範囲の整数乱数
print(random.randint(1, 100))
# 要素をランダムに選択
choices = ['apple', 'banana', 'cherry']
print(random.choice(choices))統計量の計算（平均・分散など）
Pythonのstatisticsモジュールを使って基本的な統計量を計算します。
import statistics
data = [1, 2, 3, 4, 5]
print(statistics.mean(data)) # 平均: 3
print(statistics.variance(data)) # 分散: 2.5
print(statistics.median(data)) # 中央値: 3数学関数（平方根・指数など）
mathモジュールで数学関数を利用できます。
import math
print(math.sqrt(16)) # 平方根: 4.0
print(math.exp(1)) # 指数: 2.718...
print(math.log(10, 2)) # 対数: 約3.321...行列の演算（numpy）
numpyライブラリを使用して行列の演算ができます。
import numpy as np
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
print(np.dot(A, B)) # 行列積
print(A + B) # 行列の足し算多次元配列の操作
多次元配列の操作もnumpyで簡単に行えます。
array = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(array.shape) # 配列の形状: (2, 2, 2)
print(array[1, 0, 1]) # 要素へのアクセス: 6配列の要素ごとの計算
numpyは配列の各要素に対する演算を効率的に行えます。
x = np.array([1, 2, 3])
y = np.array([4, 5, 6])
print(x + y) # [5 7 9]
print(x * y) # [4 10 18]線形代数（行列の積など）
線形代数の操作にはnumpy.linalgモジュールを使用します。
from numpy.linalg import inv, det
matrix = np.array([[1, 2], [3, 4]])
print(inv(matrix)) # 逆行列
print(det(matrix)) # 行列式数値積分
scipyを使用して数値積分を行います。
from scipy.integrate import quad
def func(x):
return x ** 2
result, error = quad(func, 0, 1)
print(result) # 積分結果: 0.333...標準偏差や中央値の計算
標準偏差や中央値の計算は、statisticsモジュールを使用します。
import statistics
data = [1, 2, 3, 4, 5]
print(statistics.stdev(data)) # 標準偏差まとめ
数値計算と統計分析は、科学的な研究から業務アプリケーションまで幅広く活用されています。本記事では、基本的な操作から応用的なテクニックまでを網羅しました。
コメント