NumPy配列は、Pythonの数値計算ライブラリであるNumPyを使用して作成される多次元配列の一種です。NumPy配列は、リストよりも効率的に大量の数値データを格納し操作できるように設計されており、科学計算、データ分析、機械学習などの分野で広く使用されています。

NumPy配列の基本

• 作成方法: NumPy配列はPythonのリストから作成することができます。例えば、以下のコードはPythonリストをNumPy配列に変換します。

import numpy as np

# Pythonリスト
my_list = [1, 2, 3, 4, 5]

# NumPy配列に変換
my_array = np.array(my_list)

print(my_array) # [1 2 3 4 5]と出力

• 属性: NumPy配列は、shape（形状）、dtype（データ型）、ndim（次元数）などの属性を持っています。

print(my_array.shape)  # 配列の形状　(5,)と出力
print(my_array.dtype)  # データの型　int32と出力
print(my_array.ndim)   # 配列の次元数 1と出力

• 多次元配列: NumPyでは多次元配列を簡単に作成・操作することができます。2次元配列（行列）は以下のように作成します。

my_2d_array = np.array([[1, 2, 3], [4, 5, 6]])
print(my_2d_array.shape)  # (2, 3) - 2行3列の行列

操作と計算

• インデックスとスライス: Pythonリストと同様に、NumPy配列でもインデックスやスライスを使用して要素にアクセスできます。

• ベクトル化された演算: NumPy配列では、要素ごとの演算が簡単に行えます。たとえば、配列のすべての要素を2倍するには、次のようにします。

my_array = np.array([1, 2, 3, 4, 5])
my_array = my_array * 2  # 配列のすべての要素を2倍

print(my_array) # [ 2  4  6  8 10]と出力

• 統計関数: 平均、中央値、標準偏差などの統計計算も簡単に行えます。

print(np.mean(my_array))  # 平均　6.0と出力
print(np.median(my_array))  # 中央値　6.0と出力

• 行列演算: 行列の積、逆行列、固有値などの高度な数学的演算もサポートされています。

重要性

NumPy配列は、Pythonでの科学技術計算の基盤となっており、パフォーマンスと柔軟性のバランスが取れたデータ構造を提供します。このため、機械学習、画像処理、数値シミュレーションなど、さまざまな分野で広く利用されています。

（Numpyは難しそうだけど、初歩的なとこだけでも便利そうなのが分かりますね！）

　だいぶ前に、Numpyを勉強してたことがあったんですけど、公式のチュートリアルがあったと思います。それをいま、探してきました。

　ここを勉強していけば、かなり詳しく、ていうか、Numpyをマスターできちゃいそうですよね！！　
　ただ、完全に英語なんですよね！！😣
　俺は、途中で挫折しました！！　コンプリートできる勇者の方、いってらっしゃいです！！

　では、最後まで記事をお読みいただき、ありがとうございました！！