NumPyとは？
NumPy（Numerical Python）は、Pythonで数値計算を高速に処理するためのライブラリ。
大量のデータを効率的に扱え、データ分析や機械学習で必須！
1. NumPy配列の作成
🔹 PythonのリストをNumPy配列（ndarray）に変換
🔹 計算が高速＆多次元配列が扱える
python
import numpy as np
# PythonリストからNumPy配列を作成
arr = np.array([1, 2, 3, 4, 5])
print(arr) # 出力: [1 2 3 4 5]
print(type(arr)) # 出力: <class 'numpy.ndarray'>
# 2次元配列（行列）
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)
2. 特殊な配列の作成
🔹 すべて0 or 1 の配列を簡単に作れる
🔹 ランダムな値の配列も生成可能
python
# すべて0の配列（3×3）
zeros = np.zeros((3,3))
print(zeros)
# すべて1の配列（2×4）
ones = np.ones((2,4))
print(ones)
# ランダムな数値（0〜1の間, 4×4）
random_arr = np.random.rand(4,4)
print(random_arr)
# 整数のランダムな配列（0〜10の間, 3×3）
rand_ints = np.random.randint(0, 10, (3,3))
print(rand_ints)
3. 配列の演算
🔹 配列の足し算・引き算・掛け算などを要素ごとに実行
python
a = np.array([10, 20, 30])
b = np.array([1, 2, 3])
print(a + b) # [11 22 33] (各要素ごとに加算)
print(a - b) # [9 18 27] (各要素ごとに減算)
print(a * b) # [10 40 90] (各要素ごとに乗算)
print(a / b) # [10. 10. 10.] (各要素ごとに除算)
print(a ** 2) # [100 400 900] (各要素の2乗)
4. 配列の形状操作（リシェイプ）
🔹 配列の形を変更（reshape）し、2D・3Dに変換可能
python
arr = np.arange(1, 10) # 1〜9の配列
print(arr)
# 1D → 2D（3行3列）
reshaped = arr.reshape(3,3)
print(reshaped)
5. 統計計算
🔹 平均値・中央値・標準偏差などの統計処理が簡単に
python
data = np.array([10, 20, 30, 40, 50])
print(np.mean(data)) # 平均: 30.0
print(np.median(data)) # 中央値: 30.0
print(np.std(data)) # 標準偏差
print(np.max(data)) # 最大値
print(np.min(data)) # 最小値
6. 条件に合うデータの抽出
🔹 条件を指定してデータをフィルタリング
python
numbers = np.array([5, 10, 15, 20, 25, 30])
# 15以上の要素を抽出
filtered = numbers[numbers >= 15]
print(filtered) # 出力: [15 20 25 30]
7. ブロードキャスト（異なる形の配列の計算）
🔹 異なる形の配列同士の演算ができる
python
matrix = np.array([[1, 2, 3], [4, 5, 6]])
vector = np.array([10, 20, 30])
# 各行に [10, 20, 30] を加算
result = matrix + vector
print(result)
まとめ
NumPyはPythonで高速な数値計算ができるライブラリ
・1D, 2D, 多次元の配列を簡単に作成＆操作
・特殊な配列（ゼロ, ワン, ランダム）を簡単に生成
・高速な数値演算（+,-,*,/,** など）に対応
・統計計算（平均,中央値,標準偏差,最大・最小 など）が一発でできる
・条件に合うデータをフィルタリング可能
・異なる形の配列同士の計算（ブロードキャスト）ができる
NumPyの活用シーン
✅ データ分析・統計処理を高速化したい
✅ 大量の数値データを処理したい
✅ 機械学習・AIの前処理に使いたい
✅ 行列演算を手軽に実行したい