Pythonでデータ分析や数値計算を行う際に、必ず登場するのが NumPy（ナムパイ） というライブラリです。
この記事では、「NumPyってなに？」「どうやってデータを扱えばいいの？」という初心者の方に向けて、NumPyの基本操作をステップごとに紹介していきます。
NumPy配列の作り方（基本）
① リストから配列を作成
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)結果
[1 2 3 4 5]② 2次元配列（行列）
import numpy as np
matrix = np.array([[1, 2], [3, 4]])
print(matrix)結果
[[1 2]
[3 4]]データの操作（基本）
1. 配列の形を確認・変更
print(arr.shape) # 配列の形（要素数や行列サイズ）
print(arr.reshape(5, 1)) # 5行1列に変換2. 要素の抽出（スライシング）
print(arr[0]) # 先頭の要素
print(arr[1:4]) # 2番目〜4番目計算や統計処理
NumPyでは、ベクトル演算や統計処理がとても簡単です。
1. 四則演算（ベクトル計算）
import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)
print(a * b) 結果
[5 7 9]
[ 4 10 18]2. 統計関数
print(np.mean(a)) # 平均
print(np.max(b)) # 最大値
print(np.min(b)) # 最小値
print(np.sum(b)) # 合計条件に合うデータの抽出（フィルタ）
data = np.array([1, 2, 3, 4, 5])
filtered = data[data > 3]
print(filtered) 結果
[4 5]応用：乱数の生成やゼロ初期化
zeros = np.zeros((2, 3)) # 2行3列の0行列
ones = np.ones((2, 2)) # 2行2列の1行列
rand = np.random.rand(3) # 0〜1のランダム数（3個）NumPyが得意なこと
- 大量の数値データを高速に処理
- for文を使わずにまとめて計算（ベクトル化）
- データ分析や機械学習の前処理に最適
- 他のライブラリ（pandas, scikit-learn, TensorFlow）の基盤にもなっている
まとめ
| 機能 | 使い方例 |
|---|---|
| 配列作成 | np.array([1,2,3]) |
| 形状確認 | arr.shape |
| 切り出し | arr[1:3] |
| ベクトル演算 | arr1 + arr2 |
| 統計処理 | np.mean(arr) |
| 条件抽出 | arr[arr > 3] |