外部ライブラリ：機能を追加してPythonを強化する#

# !マークをつけることで、シェルコマンドを実行できます
!pip install numpy
!pip install matplotlib

!pip install numpy matplotlib

# NumPyをインポート（npという短い名前で使うのが一般的）
import numpy as np

# NumPy配列の作成
arr1 = np.array([1, 2, 3, 4, 5])
print(f"1次元配列: {arr1}")
print(f"配列の型: {type(arr1)}")

# 2次元配列の作成
arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(f"\n2次元配列:\n{arr2}")

# 配列の形状（shape）を確認
print(f"\n1次元配列の形状: {arr1.shape}")  # (5,) は5要素の1次元配列を意味する
print(f"2次元配列の形状: {arr2.shape}")   # (3, 3) は3行3列の2次元配列を意味する

# 特殊な配列の生成
zeros = np.zeros(5)  # 0で満たされた配列
ones = np.ones((2, 3))  # 1で満たされた2行3列の配列
identity = np.eye(3)  # 3x3の単位行列（対角線上が1、それ以外が0）

print(f"\n0で満たされた配列: {zeros}")
print(f"\n1で満たされた2x3配列:\n{ones}")
print(f"\n3x3単位行列:\n{identity}")

1次元配列: [1 2 3 4 5]
配列の型: <class 'numpy.ndarray'>

2次元配列:
[[1 2 3]
 [4 5 6]
 [7 8 9]]

1次元配列の形状: (5,)
2次元配列の形状: (3, 3)

0で満たされた配列: [0. 0. 0. 0. 0.]

1で満たされた2x3配列:
[[1. 1. 1.]
 [1. 1. 1.]]

3x3単位行列:
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

import numpy as np

# 配列の基本演算
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

print(f"a = {a}")
print(f"b = {b}")

# 配列の加算
print(f"a + b = {a + b}")

# 配列の減算
print(f"a - b = {a - b}")

# 配列の乗算（要素ごと）
print(f"a * b = {a * b}")

# 配列の除算
print(f"a / b = {a / b}")

# スカラー値との演算
print(f"a * 2 = {a * 2}")
print(f"b + 10 = {b + 10}")

# 数学関数
print(f"\na の平方根: {np.sqrt(a)}")
print(f"b の指数関数: {np.exp(b)}")
print(f"sin(a): {np.sin(a)}")

a = [1 2 3]
b = [4 5 6]
a + b = [5 7 9]
a - b = [-3 -3 -3]
a * b = [ 4 10 18]
a / b = [0.25 0.4  0.5 ]
a * 2 = [2 4 6]
b + 10 = [14 15 16]

a の平方根: [1.         1.41421356 1.73205081]
b の指数関数: [ 54.59815003 148.4131591  403.42879349]
sin(a): [0.84147098 0.90929743 0.14112001]

# NumPyを使わずに通常のPythonリストで計算する場合
list_a = [1, 2, 3]
list_b = [4, 5, 6]
result = [a * b for a, b in zip(list_a, list_b)]
print(f"リストの要素ごとの掛け算: {result}")

リストの要素ごとの掛け算: [4, 10, 18]

import matplotlib.pyplot as plt
import numpy as np

# プロットするためのデータ
x = np.linspace(0, 10, 100)  # 0から10までの範囲を100等分した点
y = np.sin(x)  # 各点に対する正弦関数の値

# プロットを作成
plt.figure(figsize=(10, 6))  # 図のサイズを指定（横10インチ、縦6インチ）
plt.plot(x, y, 'b-', label='sin(x)')  # 青い(blue)実線(-)でプロット、ラベル付き
plt.title('graph of sin(x)')  # グラフのタイトル
plt.xlabel('x')  # x軸のラベル
plt.ylabel('sin(x)')  # y軸のラベル
plt.grid(True)  # グリッド線を表示
plt.axhline(y=0, color='k', linestyle='-', alpha=0.3)  # y=0の水平線
plt.legend()  # 凡例を表示
plt.show()  # グラフを表示

import matplotlib.pyplot as plt
import numpy as np

# データの準備
categories = ['Apple', 'Banana', 'Orange', 'Grape', 'Strawberry']
values = [25, 40, 30, 55, 45]
x = np.arange(len(categories))  # カテゴリの位置

# 棒グラフ
plt.figure(figsize=(12, 10))

# 1. 棒グラフ
plt.subplot(2, 2, 1)  # 2行2列の1番目（左上）
plt.bar(x, values, color='skyblue')
plt.xticks(x, categories)
plt.title('Bar Chart')
plt.ylabel('Number of Fruits')
plt.grid(axis='y')

# 2. 散布図
plt.subplot(2, 2, 2)  # 2行2列の2番目（右上）
x_scatter = np.random.rand(50)
y_scatter = np.random.rand(50)
sizes = np.random.randint(10, 200, 50)
plt.scatter(x_scatter, y_scatter, s=sizes, alpha=0.6, c='green')
plt.title('Scatter Plot')
plt.xlabel('x')
plt.ylabel('y')
plt.grid(True)

# 3. 円グラフ
plt.subplot(2, 2, 3)  # 2行2列の3番目（左下）
plt.pie(values, labels=categories, autopct='%1.1f%%', startangle=90,
        colors=['red', 'gold', 'orange', 'purple', 'pink'])
plt.title('Pie Chart')

# 4. ヒストグラム
plt.subplot(2, 2, 4)  # 2行2列の4番目（右下）
data = np.random.normal(0, 1, 1000)  # 標準正規分布からのサンプル1000個
plt.hist(data, bins=30, color='lightgreen', edgecolor='black', alpha=0.7)
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.grid(True)

plt.tight_layout()
plt.show()