標準ライブラリ
標準ライブラリとは
Pythonをインストールすると、Pythonあらかじめ組み込まれたモジュールプログラムも同時にインストールされています。これをPythonの標準ライブラリ*といい、追加のパッケージをインストールしなくても様々な機能を利用できます。
Pythonの標準ライブラリ
Pythonの標準ライブラリには、以下の基本機能が含まれます。
- ファイル操作
- データ構造
- ネットワーク通信
- データベースアクセス
- テキスト処理
- 数学関数
- その他ユーティリティ
Pythonの標準ライブラリは非常に広範囲な機能をカバーしています。標準ライブラリを活用することで、外部ライブラリに依存することなく、プログラム開発できます。
標準ライブラリの例
| ライブラリ | 説明 |
|---|---|
| sys | Pythonのインタプリタやその環境に関連する関数や変数にアクセス |
| os | OSとのやり取り、ファイルやディレクトリの操作 |
| math | 数学的な関数や定数 |
| datetime | 日付や時間を扱うためのクラス |
| json | JSONデータのエンコードおよびデコード |
| http | HTTPクライアントとサーバーの機能 |
| sqlite3 | SQLiteデータベースにアクセス |
| re | 正規表現をサポート |
外部ライブラリ
標準ライブラリの他にも多数の外部ライブラリがあります。プログラム開発によって特定のニーズやプロジェクト要件に合わせて機能追加します。
PyPI
PyPI (Python Package Index) などのリポジトリを通じて提供され、pipコマンドを使って簡単にインストールすることができます。
外部ライブラリの例
機械学習やWeb開発でよく利用される外部ライブラリです。
| ライブラリ | 分類 | 説明 |
|---|---|---|
| NumPy | 数学 | 多次元配列や行列演算など複雑な数値計算のライブラリ |
| SciPy | 数学 | 線形代数、積分、微分方程式の解法などの科学技術計算ライブラリ |
| Pandas | データ分析 | データ分析・操作など、データフレーム形式のデータ構造ライブラリ |
| Matplotlib | データ分析 | グラフやチャートを作成する、データ可視化ライブラリ |
| Scikit-learn | 機械学習 | 分類、回帰、クラスタリング、次元削減などの機械学習アルゴリズム実装 |
| TensorFlow | 機械学習 | ディープラーニングのサポートライブラリ |
| PyTorch | 機械学習 | |
| Django | Web | Webアプリケーション開発のフレームワーク |
| Flask | Web |
- Condaでインストールしている場合、ある程度のライブラリはインストールされています。
pip
pipはPyPIのパッケージのインストール、アップグレード、削除を行うためのパッケージ管理ツールで、Pythonをインストールすると利用できます。
pipコマンド
pipはターミナルでコマンド入力して操作します。
ターミナル
pip --version
パッケージのインストール
ターミナル
pip install パッケージ名
「requirements.txt」に使用するパッケージを記述して、一括インストールできます。
ターミナル
pip install -r requirements.txt
requirements.txt
mlx>=0.0.7
transformers
numpy
パッケージのアップグレード
ターミナル
pip install --upgrade パッケージ名
パッケージのアンインストール
ターミナル
pip uninstall パッケージ名
パッケージリストの表示
ターミナル
pip list
パッケージの検索
ターミナル
pip search キーワード
外部ライブラリの利用
import
Pythonでモジュールやライブラリを読み込むには、importを利用します。標準ライブラリや外部ライブラリの関数、クラス、変数などが利用できます。
モジュール全体をインストールします。
import モジュール
from
モジュールから特定の関数やクラスのみをインポートするには、from を利用します。
from モジュール import 関数・クラス
as
モジュール名が長かったり、既に使われている名前の場合、as を利用します。
import モジュール as 短縮名
from モジュール import 関数・クラス as 短縮名
Math
ファイル構成
sample/
└── builtin_function.py
Mathの基本
mathインポート
標準ライブラリmathをインポートします。
builtin_function.py
import math
- ライブラリのインポートはファイルの先頭から順に記述します。
平方根の計算
「16」の平方根（square root）の計算です。
builtin_function.py
import math
value = 16
result = math.sqrt(value)
print(result)
結果
4.0
NumPy
Numpyとは
NumPyは数値計算ライブラリで、配列や多次元配列に対して数学的に処理を実行できます。
インストール
ターミナルを開き、以下のコマンドでインストールします。
- Condaではインストール済みのため、インストールの必要はありません。
ターミナル
pip install numpy
NumPyの基本
NumPyインポート
numpyを別名を「np」でインポートます。これで、プログラムでは「numpy」ではなく「np」でもコーディングできます。
builtin_function.py
import numpy as np
array()
NumPyのarray() は、リストやタプルなどのシーケンス型からNumPy配列オブジェクト（numpy.ndarray）を生成します。生成されたオブジェクトで、効率的に科学技術計算できるように設計されています。
NumPy配列オブジェクト = np.array(リスト)
プロパティとメソッド
プロパティ
| プロパティ | 説明 |
|---|---|
| ndim | 配列の行列の次元数 |
| shape | 配列をタプルに変換 |
| size | 配列の要素数 |
| dtype | 配列のデータ型 |
| data | 配列の実際の要素を含むバッファ |
メソッド
| プロパティ | 説明 |
|---|---|
| sum() | 配列の全要素の合計 |
| mean() | 指定した軸の要素の平均 |
| std() | 指定した軸の標準偏差 |
| arrange() | 連続するデータの配列生成 |
| reshape() | 配列の形状を変更 |
| flatten() | 配列を1次元に平坦化 |
| transpose() | 配列の転置 |
size
リストデータを配列で作成し、sizeプロパティで要素の個数を取得します。
builtin_function.py
import numpy as np
values = [90, 86, 72]
array = np.array(values)
size = array.size
print("count:", size)
結果
count: 3
sum()
sum() で要素の合計値を計算します。
builtin_function.py
total = array.sum()
print("total:", total)
結果
total: 248
mean()
mean() で要素の平均値を計算します。
numpy_sample.py
mean = array.mean().round()
print("mean:", mean)
結果
mean: 83.0