Day 031 — numpy入門（配列操作・数値計算）②

📚 背景知識（読んでから問題へ）

numpyとは？

numpyは「数値計算のためのPythonライブラリ」です。Pythonの普通のリストと比べると、以下の点が優れています：

• 速い: 内部でC言語を使っているため、リストの10〜100倍速い
• 便利: 数学的な操作（足し算・掛け算・統計）を一度に全要素に適用できる
• 標準: pandas・scikit-learn・TensorFlowなど全てのデータサイエンスライブラリの基盤

直感的なイメージ

普通のリストで「全ての要素を2倍にする」とき：

📋 コピーdata = [1, 2, 3, 4, 5]
result = [x * 2 for x in data]  # ループが必要

numpyなら：

📋 コピーimport numpy as np
data = np.array([1, 2, 3, 4, 5])
result = data * 2  # そのまま掛けるだけ！

重要な概念

よく使う操作

📋 コピーimport numpy as np

# 配列作成
a = np.array([1, 2, 3, 4, 5])
zeros = np.zeros(5)          # [0, 0, 0, 0, 0]
ones = np.ones((2, 3))       # 2行3列の1の配列
arange = np.arange(0, 10, 2) # [0, 2, 4, 6, 8]

# 統計
a.mean()  # 平均
a.std()   # 標準偏差
a.min()   # 最小値
a.max()   # 最大値
a.sum()   # 合計

📝 問題

あなたはEコマース会社のデータアナリストです。先月の売上データが以下のようにあります。

データ: 30日分の日次売上（万円）

📋 コピーimport numpy as np

np.random.seed(42)
sales = np.random.randint(50, 200, size=30)  # 50〜200万円の間でランダム生成

以下の分析タスクを全てnumpyのみで実装してください（pandasは使用しない）：

タスク1: 基本統計の計算

• 月間合計売上
• 日次平均売上
• 最高売上額と最低売上額
• 売上の標準偏差（日々のばらつき）

タスク2: 条件フィルタリング

• 平均売上を上回った日数を計算
• 平均売上を上回った日のデータのみ抽出

タスク3: 正規化（Normalization）

• 売上データを0〜1の範囲に正規化する
• 正規化の公式: (値 - 最小値) / (最大値 - 最小値)
• 正規化後の最小値が0、最大値が1になることを確認

タスク4: 週次集計

• 30日を4週（各7日）と残り2日に分けて考える
• 最初の28日を (4, 7) の形に reshape する
• 各週の合計売上を計算する（axis=1 を使う）

最終的に、以下の形式で結果を出力してください：

=== 月次売上分析レポート ===
合計売上: XXX万円
平均売上: XX.X万円/日
最高売上: XXX万円
最低売上: XX万円
標準偏差: XX.X万円

平均超え日数: XX日 / 30日

🔍 ヒント（段階的開示）

📋 コピーimport numpy as np

np.random.seed(42)
sales = np.random.randint(50, 200, size=30)

# タスク1: 基本統計
total = sales.___()
avg = sales.___()
max_sales = sales.___()
min_sales = sales.___()
std_sales = sales.___()

# タスク2: 条件フィルタリング
above_avg_mask = sales > ___  # ブール配列
above_avg_count = above_avg_mask.___()  # Trueの数
above_avg_days = sales[above_avg_mask]  # フィルタリング

# タスク3: 正規化
normalized = (sales - ___) / (___ - ___)

# タスク4: 週次集計
weekly = sales[:28].reshape(___, ___)
weekly_totals = weekly.sum(axis=___)

print(f"=== 月次売上分析レポート ===")
print(f"合計売上: {total}万円")
print(f"平均売上: {avg:.1f}万円/日")
print(f"最高売上: {max_sales}万円")
print(f"最低売上: {min_sales}万円")
print(f"標準偏差: {std_sales:.1f}万円")
print(f"\n平均超え日数: {above_avg_count}日 / 30日")

✅ 模範解答

📋 コピーimport numpy as np

# データ生成
np.random.seed(42)
sales = np.random.randint(50, 200, size=30)

print("生成された売上データ（万円）:")
print(sales)

# ============================
# タスク1: 基本統計の計算
# ============================
total = sales.sum()
avg = sales.mean()
max_sales = sales.max()
min_sales = sales.min()
std_sales = sales.std()

print("\n=== 月次売上分析レポート ===")
print(f"合計売上: {total}万円")
print(f"平均売上: {avg:.1f}万円/日")
print(f"最高売上: {max_sales}万円")
print(f"最低売上: {min_sales}万円")
print(f"標準偏差: {std_sales:.1f}万円")

# ============================
# タスク2: 条件フィルタリング
# ============================
above_avg_mask = sales > avg          # True/Falseの配列
above_avg_count = above_avg_mask.sum()  # Trueの数 = 平均超えの日数
above_avg_days = sales[above_avg_mask]  # 平均超えの日の売上のみ

print(f"\n平均超え日数: {above_avg_count}日 / 30日")
print(f"平均超えの日の売上: {above_avg_days}")

# ============================
# タスク3: 正規化
# ============================
normalized = (sales - sales.min()) / (sales.max() - sales.min())

print(f"\n正規化後のデータ（先頭5件）: {normalized[:5].round(3)}")
print(f"正規化後の最小値: {normalized.min():.1f}")  # 0.0
print(f"正規化後の最大値: {normalized.max():.1f}")  # 1.0

# ============================
# タスク4: 週次集計
# ============================
weekly = sales[:28].reshape(4, 7)  # 28日を4週×7日に変換
weekly_totals = weekly.sum(axis=1)  # axis=1: 各行（各週）の合計

print(f"\n週次売上合計:")
for week, total_w in enumerate(weekly_totals, 1):
    print(f"  第{week}週: {total_w}万円")

🪜 Step-by-Step 解説

📋 コピーnp.random.seed(42)
sales = np.random.randint(50, 200, size=30)

📋 コピーtotal = sales.sum()    # 全て足す
avg = sales.mean()     # 合計÷個数
max_sales = sales.max()  # 最大値
min_sales = sales.min()  # 最小値
std_sales = sales.std()  # 標準偏差

📋 コピーabove_avg_mask = sales > avg
# → array([False, True, True, False, ...]) のようになる

above_avg_count = above_avg_mask.sum()
# Trueは1、Falseは0として計算される
# sum() = Trueの個数 = 平均超えの日数

above_avg_days = sales[above_avg_mask]
# ブール配列でインデックスすると、Trueの位置の要素だけ取り出せる

📋 コピーnormalized = (sales - sales.min()) / (sales.max() - sales.min())

📋 コピーweekly = sales[:28].reshape(4, 7)
# sales[:28] → 最初の28要素（インデックス0〜27）
# .reshape(4, 7) → 4行7列の2次元配列に変換

weekly_totals = weekly.sum(axis=1)
# axis=0 → 列方向（↓）に計算
# axis=1 → 行方向（→）に計算、各行の合計を出す

📋 コピー[d1, d2, d3, d4, d5, d6, d7, d8, d9, ...]
         ↓ reshape(4, 7)
[[d1,  d2,  d3,  d4,  d5,  d6,  d7 ],   ← 第1週
 [d8,  d9,  d10, d11, d12, d13, d14],   ← 第2週
 [d15, d16, d17, d18, d19, d20, d21],   ← 第3週
 [d22, d23, d24, d25, d26, d27, d28]]   ← 第4週

📐 数学・統計の補足（文系向け）

ブール（Boolean）とは？

「True（真）」か「False（偽）」の2択しかない値のことです。条件を満たせばTrue、満たさなければFalse。プログラミングの世界では「Yes/No」の答えをこの形で表現します。

axisの覚え方

表計算ソフト（Excelなど）をイメージしてください：

• axis=0（行方向）: 列ごとに計算（↓方向）→ 各列の合計・平均を出す
• axis=1（列方向）: 行ごとに計算（→方向）→ 各行の合計・平均を出す

🏆 Kaggleでの実践的な使い方

1. 特徴量の正規化

機械学習モデル（特に線形回帰・ニューラルネットワーク）は、特徴量のスケールが揃っていないと性能が落ちます。今回学んだMin-Max正規化は特徴量エンジニアリングの基本中の基本です。

📋 コピー# Kaggleの前処理でよく見るパターン
from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_scaled = scaler.fit_transform(X)
# これは内部でnumpyの演算を使っている

2. ブール配列によるデータフィルタリング

外れ値の除去・特定条件のサンプル抽出など、コンペの前処理で毎日使います。

3. reshapeとベクトル化

画像データ（縦×横×チャンネル）や時系列データ（時間×特徴量）の操作にreshapeは必須です。

⚠️ よくある誤解・ミス

🚀 次のステップ

• 発展: 標準化（Standardization）= (値 - 平均) / 標準偏差。Min-Max正規化との使い分けを学ぶ
• 次回予告: pandas入門（DataFrame・Series） — numpyの上に構築されたデータ分析の主力ライブラリ。表形式データの操作が格段に楽になる

🎯 自己評価

自分の回答

気づき・メモ