NumpyのTIPS

• Numpyの主要な数学関数一覧

• 統計処理のインスタンスメソッド一覧（dataがインスタンスの場合）

dataがPandasのSeriesやNumpyのndarrayの場合

median、skew、kurtosisは、PandasのSeriesのみで利用可能

• Numpyの統計処理（欠損処理あり）

dataがPandasのSeriesやNumpyのndarrayの場合

data.nanmean()のようには使用できない

オブジェクトがスカラーか判定する

np.isscalar(var)

数値、文字列、bool値はTrue、リスト、タプル、ndarrayなどはFalse
＊

numpy.isscalar

参照

数であることを判定したい場合には、以下のようにisinstanceを使う

import numbers
isinstance(x, numbers.Number)

• Numpyのデータ型一覧

dtype=np.'型コード'

• Numpyバイナリデータ読み書きの書式一覧

読み込む場合：d = np.fromfile('ファイル名', dtype='コード')

書き出す場合：np.array(d).astype('コード').tofile('ファイル名')

単精度浮動小数点型のコードはf4をfと省略可能

• 配列ndarrayの作成（既存のデータから）
  入力データvarはlistなど

  np.array(var)
  

• 配列ndarrayの作成（作成後に形状変更）
  入力データvarの要素数が6で(3, 2)の2次元配列にする場合

  np.array(var).reshape(3, 2)
  

• 配列ndarrayの作成（定数）
  配列全部を同じ値に初期化する

  a = np.zeros((ndim, kdim, jdim, idim)) # 全ての要素が0
  b = np.ones((ndim, kdim, jdim, idim)) # 全ての要素が1
  c = np.ones((ndim, kdim, jdim, idim)) * 10.0 # 全ての要素が10
  d = np.zeros((ndim, kdim, jdim, idim), dtype=np.int32) # 全ての要素が0、整数型を指定
  

  idim：経度方向のグリッド数、jdim：緯度方向のグリッド数、kdim：高度方向のグリッド数、ndim：時間方向のグリッド数

  Numpyで利用可能な型はNumpyのデータ型一覧参照

• 条件を満たす要素の置換
  負の値を0に置換

  var[var <= 0] = 0

• 条件が真と偽で置換する値を変える
  負の値なら-1、正の値なら0に置換する

  var = np.where(var <= 0, -1, 0)

• 配列の転置
  varが２次元の行列の場合、次のいずれでも可能

  var = var.T
  var = np.transpose(var)
  

• 配列の成分入れ替え
  配列varの成分を3、0、2、1の順に入れ替える

  var = var.transpose(3, 0, 2, 1)
  

• 内積
  配列x、yの内積を計算する

  np.dot(x, y)
  

Numpyの機能で演算できる場合は極力そちらを使い、ループは用いない

• 経度、緯度方向のループを回す場合
  itertoolsを使うとループを1重化して高速化できる

  import itertools
  i_list = np.arange(idim)
  j_list = np.arange(jdim)
  for ij in itertools.product(i_list, j_list):
      i = ij[0]
      j = ij[1]
      処理
  

指定した軸で平均を作成する

• 2次元目の平均を作成する

  d2 = d.mean(axis=1)

  ＊dが2次元以上の配列の場合
  ＊Numpyの統計処理参照


• 時間、高度、経度、緯度の4次元配列で時間平均

  d2 = d.mean(axis=0)

  ＊0次元目に時間軸が入っている場合


• 経度、緯度の2次元配列で東西平均からの偏差

  d2 = d - np.expand_dims(d.mean(axis=1), axis=1)

  ＊np.expand_dimsで2次元目を追加し、元のdと次元を合わせて演算可能にしている
  ＊例えば、dが64×128なら、d.mean(axis=1)で64になった配列が、np.expand_dimsで64×1になる


• 経度、緯度の2次元配列で指定したグリッドで平均

  d2 = d[jmin:jmax, imin:imax].mean(axis=0).mean(axis=0)

  ＊jmin:jmax、imin:imaxの範囲を取り出し平均する
  ＊jmin:jmaxではjmaxの1つ前まで取り出されるので注意


• 条件を満たす要素を平均

  d2 = d[lats >= 60].mean()

  緯度が60度以上の場合に平均
  ＊配列dと配列latsのサイズは同じでないとエラー


• 複数の条件を満たす要素を平均

  d2 = d[(lats >= 60)*(lons>120)*(lons=180)].mean()

  緯度が60度以上、経度が120〜180度の場合に平均


• データに欠損値が含まれる場合

  d2 = np.nanmean(d[(lats >= 60)*(lons>120)*(lons=180)])

  緯度が60度以上、経度が120〜180度の場合に欠損値を除いて平均