NumPy（ナンパイ）とは？Pythonで高速な数値計算を行うための基本ライブラリ

NumPy（ナンパイ）は、Pythonで科学技術計算や統計処理、機械学習などを行う際の基礎となる数値計算ライブラリです。 多次元配列（ndarray）を中心に、高速な行列計算や統計処理が可能です。

NumPyの特徴

• 高速な数値計算が可能（内部はC言語で実装）
• 多次元配列（ndarray）のサポート
• ベクトル演算・行列演算に強い
• Pandas・Matplotlib・Scikit-learnなどと連携

NumPyのインストール

pip install numpy

NumPyの基本：ndarrayの作成

import numpy as np

arr = np.array([1, 2, 3])
print(arr)         # → [1 2 3]
print(type(arr))   # → 

多次元配列の作成

matrix = np.array([[1, 2], [3, 4]])
print(matrix)

NumPyの配列（ndarray）は1次元?多次元まで柔軟に扱えます。

よく使う関数

• np.zeros((2, 3))：すべて0の配列
• np.ones((3, 3))：すべて1の配列
• np.arange(0, 10, 2)：等間隔の数列
• np.linspace(0, 1, 5)：0〜1を等分割
• np.random.rand(2, 2)：0〜1の乱数

配列の演算

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

print(a + b)      # → [5 7 9]
print(a * 2)      # → [2 4 6]
print(a * b)      # 要素ごとの積 → [4 10 18]

NumPyはループを使わずにベクトル演算ができ、非常に高速です。

配列の統計処理

data = np.array([1, 3, 5, 7])

print(np.mean(data))   # 平均 → 4.0
print(np.median(data)) # 中央値 → 4.0
print(np.std(data))    # 標準偏差 → 約2.23

配列の形状操作

a = np.array([[1, 2], [3, 4], [5, 6]])

print(a.shape)          # → (3, 2)
print(a.reshape(2, 3))  # → (2行3列に変形)

まとめ

NumPyは、Pythonで数値計算を効率的に行うための強力なライブラリです。 多次元配列を中心としたベクトル演算に対応しており、科学技術計算・統計解析・機械学習の土台として広く使われています。

まずは np.array() や np.mean() などの基本機能から使い始めて、徐々に応用的な行列演算やデータ分析へと進めてみましょう！