NumPy:【median,radians,sin,cos,tan,e,log,exp】実行例

page:[NumPyまとめ]

サマリ

• np.mean
  • 平均
• np.median
  • 中央値
• np.radians
  • ラジアン
• np.sin、np.cos、np.tan
  • 三角関数
• np.e
  • 自然対数の底
  • ネイピア数
• np.log
  • 対数
• np.exp
  • エクスポネンシャル

前提

• 特になし

サンプルコード

np.mean、np.median（中央値）

import numpy as np
a = np.array([80,78,91,84,76,68,89,85,91,83])
print(np.mean(a))
print(np.median(a))

82.5
83.5

• np.mean
  • 平均値
  • このデータでは82.5になった
• np.median
  • 中央値
  • このデータでは83.5になった

np.radians、三角関数

角度からラジアンに変換

import numpy as np
r_30 = np.radians(30)
r_45 = np.radians(45)
r_60 = np.radians(60)
r_90 = np.radians(90)
print(r_30)
print(r_45)
print(r_60)
print(r_90)

0.5235987755982988
0.7853981633974483
1.0471975511965976
1.5707963267948966

• 30度
  • 0.5235987755982988
• 45度
  • 0.7853981633974483
• 60度
  • 1.0471975511965976
• 90度
  • 1.5707963267948966

角度からラジアンに変換

a = np.sin(r_30)
b = np.cos(r_60)
c = np.tan(r_45)
print(f'sin:{a}')
print(f'cos:{b}')
print(f'tan:{c}')

sin:0.49999999999999994
cos:0.5000000000000001
tan:0.9999999999999999

• sin(30度)
  • ≒0.5
• cos(60度)
  • ≒0.5
• tan(45度)
  • ≒1
• 有効桁数があるので、ちょうどいい数字にはならない
  • 必要あれば切り上げ、切り下げで処理
  • しかし、軽量化など敢えて精度を下げる場合の除いて、そのように処理することはない

np.exp

import numpy as np
e = np.e
eee = np.e*np.e*np.e
e_3 = np.exp(3)
print(e)
print(eee)
print(e_3)

2.718281828459045
20.085536923187664
20.085536923187668

• e
  • 自然対数の底
  • 2.71…が確認できる
• eee
  • eを3回かけた結果
  • np.expの結果と比較するために計算
  • 20.08…が確認できる
• e_3
  • np.exp(…)の引数を3にするとeを3回かけた結果と同様になる
  • 20.08…が確認できる
    • eeeの結果とほぼ一致する
      ※同じとみなせる（有効桁数の差）

np.log

a = np.log(e)
b = np.log(0)
c = np.log(1)
print(a)
print(b)
print(c)

1.0
-inf
0.0

• a,b,cいずれも数学の計算値と一致する
  • 「-inf」はマイナス無限大
• 参考
  • logはAI勉強していると数式によく登場する
  • 例
    • AI学習時の損失計算に負の対数尤度
    • 情報理論、確率統計
    • GANの理論式
    • 強化学習の理論（方策勾配定理）
  • AIを勉強するために避けては通れない
  • logをもう少し親しみやすいものにするための記事