数値計算用Python：型、モジュール、および実践的な使い方

ホーム » Python » 数値計算用Python：型、モジュール、および実践的な使い方

数値を扱うことは、ほとんどのPythonプログラムの中核を成すものです。シンプルなスクリプトを作成する場合でも、科学データを処理する場合でも、アルゴリズムのプロトタイプを作成する場合でも、Pythonが数値をどのように表現し、操作するかを理解することは、期待どおりに動作する、信頼性が高く効率的なコードを書くための第一歩です。

人々が「数値Python」について話すとき、多くの場合、2つのことを意味しています。: 一方には、組み込みの数値型や標準ライブラリツールなど math, cmath, decimal, random and numbers一方、数値計算を取り巻くより広範なエコシステムには、NumPyなどのライブラリがあり、追加の数値型やベクトル演算によって言語を拡張しています。このガイドでは、基本的な型から高度な抽象化まで、その基礎を詳細に解説します。

Pythonのコア数値型

Pythonは、日常的なニーズのほとんどを網羅する、いくつかの組み込み数値カテゴリを定義しています。整数型は整数を表すのに、浮動小数点型は小数点を含む実数値を表すのに、複素数は実部と虚部を持つ値を表すのに、そして特殊なブール型は、非常に小さな整数型ファミリーのメンバーのように振る舞います。これらはすべて、Pythonの算術演算子とスムーズに統合されます。

整数（int）小数点なしの正または負の整数を表します標準のPythonでは、そのサイズに固定の上限はありません。メモリがある限り、整数は大きくなります。 1, -5 or 20234567890123456789 すべて有効です int インスタンス、そしてそれは以下で確認できます type(1) or type(-5)、返されます <class 'int'>.

浮動小数点数（float）は、小数部分を持つ実数に使用されます。それらは小数点付きで表記されます。例: 2.0, -7.823457 or 0.5または、科学的表記法で次のように 1e8 （つまり 100,000,000 です）。整数同士の除算などの演算を行う場合、Python は結果をしばしば float; 例えば、 9 / 2 収量 4.5, type(4.5) is <class 'float'>.

複素数（complex実部と虚部を組み合わせる末尾に j 仮想単位の場合。 2 + 3j 実数成分2と虚数成分3を持つ。これらは直接構成できる（例： 3.14j）そして、次のような属性で検査します。 .real and .imagまたは電話する .conjugate() 複素共役を求めるため。これらは特に工学、信号処理、科学計算の分野でよく用いられる。

ブール値（bool）は技術的には数値でもある、理由 True and False 算術式では整数 1 と 0 のように振る舞います。例えば、 True + 2 評価する 3。 内部的には bool のサブクラスです intそのため、ブール値は計算や比較にシームレスに統合されます。

Pythonでは、これらの数値型を式の中で自由に組み合わせることができます。必要に応じて、より一般的なタイプに昇格します。 int へ float が得られます float浮動小数点数と複素数を組み合わせると、次のような複雑な結果になります。 1 + 1.0, 2.0 + (3 + 5j) or 6 / (5 + 8j) すべては特別な儀式なしに行われる。

算術演算子と除算の動作

数値が得られたら、通常の算術演算子を使ってそれらを操作します。： 追加 （+）、減算（-)、乗算 (*）、 分割 （/）、フロア区分（//）、指数（**）とモジュロ（%Python は、整数、浮動小数点数、複素数にこれらを適用し、必要に応じて型昇格を実行します。

分割は、Pythonの設計が非常に意図的に行われている分野の一つです。。 使い方 / 両方の引数が数値の場合、たとえ両方とも整数であっても、常に浮動小数点の結果が返されます。 9 / 2 結果は 4.5はなく、 4これにより、デフォルトで実数除算の観点から考えるようになり、これは通常、科学計算や金融計算で求められるものです。

小数部分を切り捨てる整数除算が必要な場合は、切り捨て除算演算子を使用します。 //。 例えば、 9 // 2 生産する 4, -9 // 2 収量 -5結果は切り捨てられる（負の無限大に向かって切り捨てられる）ため、 divmod(a, b) 商と余りの両方を一度に取得し、 (a // b, a % b).

舞台裏では、Python はさまざまな数値表現がどのように相互作用するかを慎重に調整しています。標準ライブラリに見られる内部パターンの一つに「演算子フォールバック」という概念があります。これは、例えば有理数の場合、まず型固有の実装を試み、オペランドの一つが通常の型である場合は組み込み演算子にフォールバックする関数です。 int, float or complexこれにより、次のような特別なメソッドを使用して、カスタム数値型が Python の算術システムと相互運用できるようになります。 __add__ and __radd__.

有理数演算用のライブラリコード、例えば Fraction このタイプは、この戦略を明確に示しています2つを足すとき Fraction インスタンスでは、分子と分母をクロス乗算して新しい分数を計算します。 Fraction 単純な整数またはインスタンス numbers.Rational正確な有理アルゴリズムを使用します。もう一方のオペランドが float or complexそうすることで、より広範な型に変換され、通常の演算子に処理が委譲されるため、動作は一貫性があり直感的になります。

組み込みの数値関数

Pythonには、生の演算子以外にも、数値を扱う方法を知っている一連の組み込み関数が付属しています。これらの関数は、何もインポートしなくても常に利用可能であり、標準の数値型に加え、適切な特殊メソッドを実装したカスタムオブジェクトでも動作します。

abs(x) 引数の絶対値を返します負の数を正の数にし、正の値は変更しません。 __abs__()Python はそのメソッドに処理を委譲します。複素数の場合、 abs() 大きさ（複素平面上の原点からの距離）を返します。

round(x, ndigits) 指定された小数点以下の桁数に丸められた値を返します。 場合 ndigits 省略または None最も近い整数を返します。教科書の「半分切り上げる」ルールとは異なり、Python の組み込みの round 同点の場合は「半分を切り上げて偶数にする」戦略を採用し、繰り返し計算における統計的バイアスを軽減する。

変換関数など int() and float() 他のオブジェクトから数値を構成する。 呼び出し int(x) float では小数部が破棄されます (例: int(1.9) is 1）、及び float(x) 整数、文字列、または互換性のあるオブジェクトから浮動小数点表現を生成します。浮動小数点から整数への変換では、丸め処理は行われず、小数点以下は切り捨てられます。

その他の組み込み関数は、表現と集約の役割を果たします。次のような機能 hex() and oct() 適切な接頭辞 (0x and 0o) 集約ヘルパーなど max() and min() イテラブルまたは引数のシーケンスをスキャンして最大値または最小値を見つけます。 pow() ** 演算子はべき乗を計算し、オプションでモジュラべき乗のための3番目の引数を受け入れます。

高度な数値ツール: math、cmath、decimal

より高度な計算を行うために、Python は専用の標準ライブラリモジュールを提供しています。 コア言語を肥大化させる代わりに、数値計算において最も重要なのは math, cmath and decimalそれぞれが特定の問題群を対象としている。

その math このモジュールは実数値浮動小数点演算に焦点を当てていますインポート後 import mathこれにより、エンジニアリング、物理学、日常的な分析で一般的に必要とされる関数と定数にアクセスできるようになります。これらはすべて効率的な C コードで実装され、 float 値。

math 数論および表現ツールを含む など math.ceil() 最も近い整数に切り上げる場合、 math.floor() 切り捨ての場合、 math.modf() 浮動小数点数を小数部と整数部に分割し、 math.frexp() / math.ldexp() 内部バイナリ表現を扱うため。また、次のようなべき乗および対数ルーチンも提供します。 math.exp(), math.log(), math.log10(), math.pow() and math.sqrt()、三角関数や双曲線関数なども同様です。 math.sin(), math.cos(), math.tan(), math.asin(), math.acos(), math.atan(), math.atan2(), math.sinh(), math.cosh() and math.tanh().

便宜上、 math 基本的な定数をエクスポートします math.pi and math.eこれらは、面積、角度、指数関数的成長などを計算する際に、コードベース全体で高い精度で一貫した値が必要な場合に便利です。

複素数を扱う必要がある場合、 cmath モジュールは複素平面に対しても同じ役割を果たしますそのAPIミラー math しかし、複雑な引数を使用し、複雑な結果を返すため、数値を実部と虚部に手動で分解することなく、複雑な指数関数、対数関数、三角関数を計算できます。

その decimal このモジュールは別の問題点をターゲットにしています: 正確な10進数演算標準バイナリ浮動小数点では多くの小数を正確に表現できないため、次のような計算は 0.1 + 0.2 わずかにずれた結果が生じる。 decimal.Decimal は、任意精度10進演算を使用することでこの問題を回避するため、金融アプリケーションや、丸め動作を非常に厳密に制御する必要があるあらゆる場面に最適です。

デフォルトでは、Python の浮動小数点演算は IEEE-754 の動作に従い、基数 2 の表現を使用します。値が表現可能な 2 つの数値のちょうど中間にある場合、「半分を切り上げて偶数にする」が適用されます。つまり、同数の半分は切り捨てられ、残りの半分は切り上げられます。これにより、大規模な計算における系統的なずれを回避できます。商用の「半分を切り上げる」セマンティクスが必要な場合は、次のように設定できます。 decimal 使用するための文脈 ROUND_HALF_UPこれは常に5の値をゼロから遠ざけるように調整します。

数値型を実際に扱う

数字がどのように振る舞うかをインタラクティブに探求することは、直感を養うための素晴らしい方法です。Pythonインタープリタを起動し、整数、浮動小数点数、複素数値を混在させて作成し、それらの基本的な演算を試してみましょう。加算と乗算は簡単ですが、除算、切り捨て除算、丸め、型変換などを試して、結果の型がどのように変化するかを確認することは特に有益です。

APIの要件に合わせるため、あるいはロジックを簡素化するために、数値型間の変換が必要になる場合があります。浮動小数点数があり、その整数部分だけが必要な場合は、次のように変数に代入します。 my_float = 1.9 その後、 my_int = int(my_float)印刷 my_int 与える 1, type(my_int) それは int小数部分は四捨五入されずに切り捨てられることに注意してください。

逆方向、つまりより一般的な型への昇格は、しばしば暗黙のうちに起こる。整数と浮動小数点数を加算する場合、Python は自動的に浮動小数点数を返します。これは、実数系には整数が含まれているためです。浮動小数点数と複素数を組み合わせる場合も同様で、浮動小数点値は虚数部がゼロとして扱われ、結果は複素数になります。

複素数には、自然な感覚で使える便利な機能がいくつか組み込まれています。直接検査できます a.real and a.imag コンポーネントを取得するには、 a.conjugate() 虚数部の符号を反転させ、それらを関数に渡す cmath 手動での変換は不要です。たとえ使用頻度が低くても、これらの存在と動作を知っておくことは、科学計算コードに遭遇した際に役立ちます。

浮動小数点データを扱う際には、正確さと精度が常に重要となる。標準Pythonの実効精度 float 約 15 桁の小数点以下です。それ以上になると、16 桁目は信頼できない場合があります。多くのタスクではこれで十分ですが、正確な小数点演算やより予測可能な丸めが必要な場合は、 decimal このモジュールは、パフォーマンスを多少犠牲にする代わりに、必要な制御機能を提供します。

乱数と特殊な数値

乱数生成は、数値計算を行うPythonワークフローで頻繁に行われるタスクの1つです。シンプルなゲームを作成する場合でも、モンテカルロシミュレーションを実行する場合でも、境界条件を検証するテストケースを作成する場合でも、標準ライブラリの random このモジュールは、そのようなシナリオに必要な基本機能を提供します。

random.randint(a, b) 擬似乱数整数を生成する a and b、包括的これにより、サイコロの出目をシミュレートしたり、リスト内のランダムなインデックスを選択したりすることが容易になります。浮動小数点値の場合、次のような関数が使用できます。 random.random() また、関連するヘルパーは、[0.0, 1.0) のような範囲の一様乱数を生成し、特定の分布に合わせてスケーリングまたは変換する準備ができています。

Pythonでは、通常とは異なる、あるいは「例外的な」数量を表す数値もいくつか公開されています。1つはNaN（「非数」）で、例えば次のようにして得られます。 float('nan')NaNは、定義されていない、または表現できない結果を示します。たとえば、ゼロをゼロで割った結果や、入力データから破損した数値フィールドを解析した結果などです。

PythonはNaNに加えて、正の無限大と負の無限大もサポートしています。、を使用して構築 float('inf') and float('-inf')これらは、最小値や最大値を探索するアルゴリズムの変数を初期化する際、あるいは数値計算手法で無限範囲をモデル化する際に、番兵値として役立ちます。

NaNを扱う際には、通常の数値とは異なる振る舞いをするため、特別な注意が必要です。NaN を含む比較は常に偽です (たとえ nan == nan）、またNaNを含む演算では、結果にNaNが伝播する傾向があります。このガイドではNaNのセマンティクスについて深く掘り下げてはいませんが、NaNの癖を理解しておくと、データパイプラインや数値アルゴリズムのデバッグをより効果的に行うことができます。

数値モジュールを使用した抽象的な数値階層

コードが複雑化するにつれて、「数値」を認識するための柔軟な方法が必要になるかもしれません。 すべての具体的なタイプに対して手動でチェックすることなく（ int, float, complex および NumPy スカラー)。ここで numbers このモジュールは、数値型の抽象的な階層構造を提供する。

その numbers このモジュールは、数値動作を記述する抽象基底クラス（ABC）を定義します。、 といった Number, Complex, Real, Rational and Integralこれらのクラスは直接インスタンス化することを想定していません。代わりに、具体的な数値型がこれらのクラスを継承することで、必要な演算とプロパティを実装していることを示します。

最も一般的なABCは numbers.Number「任意の数値型」を表す変数が数値として扱われるべきかどうかをテストしたい場合（デバッグ中や小さなユーティリティスクリプトを作成するときなど）、次の方法を組み合わせることができます。 isinstance このABCを使って。例えば、 isinstance(x, Number) 収益 True 組み込みの数値型や、さまざまな NumPy スカラーなどの多くの外部数値型に対応しています。

実例として、NumPyの型とPythonの組み込み型を併用した例を紹介します。NumPyをインポートする場合 np そして、次のような値をループします。 1, 1., -0.2, 1e8, np.int64(1), np.int0(10), np.int16(2), np.float64(10), np.complex64(10) and np.int32(89)、呼び出し isinstance(value, Number) それぞれの型を見ると、すべて数値として扱われることがわかります。これにより、各クラスごとに長い型チェックの連鎖を記述する必要がなくなります。

これは、ことは注目に値します isinstance 過剰に使用すると、それ自体がコードの「臭い」とみなされる。オブジェクト指向プログラムにおいて、明示的な型チェックに過度に依存することは、より深刻な設計上の問題を示唆する可能性があります。とはいえ、迅速なデバッグ、探索スクリプト、または小規模なユーティリティの場合、型チェックは numbers.Number これは、変数が本当に数値のように振る舞っていることを検証するための、強力で実用的なツールです。

拡張された数値エコシステム：NumPyとカスタム型

Pythonのコア機能は汎用的な数値型のごく一部しか提供していませんが、より広範なエコシステムを利用することで選択肢が大幅に広がります。特にNumPyは、大規模な配列や行列に対する効率的な計算のために設計された、より多くの数値表現を導入しています。

NumPy は、次のような固定幅の整数型を定義します。 numpy.int64, numpy.int32, numpy.int16 そして、次のような特殊なエイリアス numpy.int0これらは、FortranやCなどの低レベルで数値指向の言語に見られる型に似ており、パフォーマンスと相互運用性のために、数値の正確な記憶サイズと動作を知ることが不可欠です。

整数に加えて、NumPy は次のような型も提供しています。 numpy.float64 and numpy.complex64配列や ufunc (ユニバーサル関数) とうまく統合される他の多くの型と同様に、これらの型は通常、適切な ABC のインスタンスとして登録されます。 numbers モジュール、そのためチェックが行われます numbers.Number 先に説明したとおりに動作します。

Pythonの設計では、コアとなる数値モデルを意図的にシンプルかつアクセスしやすいものに保っている。数十種類もの異なる数値型をユーザーに管理させるのではなく、3つの基本数値型（およびブール値）に焦点を当て、必要に応じて専門ライブラリがこのレパートリーを容易に拡張できるようにしています。シミュレーションソフトウェア会社が構築するような、エンジニアリングに特化した環境では、当然ながらこれらの拡張型とライブラリに大きく依存することになります。

独自の数値クラスを作成する場合は、 numbers and fractions エコシステムに馴染むのに役立ちます適切な ABC をサブクラス化し、必要な特殊メソッドを実装することによって (__add__, __radd__, __mul__など）、カスタム型は、Python の演算子、組み込みの数値関数、およびその他の数値ライブラリと自然に相互作用できます。

総合的に見て、数値型Pythonは、洗練されたコア型システム、強力な標準ライブラリモジュール、そして豊富なライブラリのエコシステムを兼ね備えています。 NumPyのようなライブラリは、単純な算術演算から高度な工学計算まで、スムーズに移行できる環境を提供します。整数、浮動小数点数、複素数、特殊値、丸め規則、抽象的な数値クラスがどのように連携するかを理解すれば、コードについてより自信を持って考察できるようになり、些細なバグを回避し、遭遇するあらゆる数値計算タスクに適したツールを選択できるようになります。