numpy配列・とは？初心者向けの使い方と基本解説共起語・同意語・対義語も併せて解説！

この記事を書いた人

高岡智則

年齢：33歳性別：男性職業：Webディレクター（兼ライティング・SNS運用担当）居住地：東京都杉並区・永福町の1LDKマンション出身地：神奈川県川崎市身長：176cm 体系：細身〜普通（最近ちょっとお腹が気になる）血液型：A型誕生日：1992年11月20日最終学歴：明治大学・情報コミュニケーション学部卒通勤：京王井の頭線で渋谷まで（通勤20分）家族構成：一人暮らし、実家には両親と2歳下の妹恋愛事情：独身。彼女は2年いない（本人は「忙しいだけ」と言い張る）

numpy配列・とは？初心者向けの解説

Pythonにはデータを格納する方法としてリストがあります。ですが、数値を大量に扱う場合には「numpy」というライブラリが強力な味方になります。特に numpy配列 は、同じデータ型の要素を連続して格納する特別なデータ構造で、数値計算を早く、メモリの使い方も効率的にしてくれます。ここでは中学生にも分かるように、numpy配列の基本を丁寧に解説します。

まず基本のポイントを押さえましょう。numpy配列は公式には ndarray（n-dimensional array）と呼ばれ、多次元配列を表します。1次元はベクトル、2次元は行列、3次元以上はテンソルと呼ばれることもあります。いずれも同じデータ型の要素を格納でき、要素にアクセスするにはインデックスを使います。

リストと比べての大きな特徴は、ベクトル化された演算がサポートされている点です。例えば a = numpy.array([1, 2, 3]) とすると、a * 2 は [2, 4, 6] のように同じ形の新しい配列が返ってきます。これは for ループを使うよりもはるかに速く、特に大きなデータを扱うときに効果を発揮します。さらに numpy はブロードキャストと呼ばれる仕組みを使い、形が違う配列同士でも自動的に計算を拡張してくれる場面があります。

作り方と基本的な例

最初の一歩として、次のようにインポートして配列を作ります。例として 1次元の配列と 2次元の配列を作ってみましょう。
import numpy as np; a = np.array([1, 2, 3, 4, 5]); b = np.array([[1, 2, 3], [4, 5, 6]])

配列の形と次元の意味

例	次元	形	説明
1次元	1	(3,)	3つの要素を持つ1次元配列
2次元	2	(2,3)	2行3列の配列
3次元	3	(2,2,2)	2×2×2の多次元配列

基本的な操作

インデックスとスライスを使えば配列の一部を取り出せます。例えば a = np.array([10, 20, 30, 40, 50]) の場合、a[0] は 10、a[1:3] は [20, 30] になります。負のインデックスも使え、a[-1] は最後の要素の 50 です。

ブロードキャストにより、形が合えば異なる形の配列同士の演算も可能です。これにより複雑な計算を短い式で表すことができます。

総和と平均のような集約演算も簡単です。例えば a.sum() や a.mean() のように呼ぶと、配列内の全要素の総和や平均値が返されます。2次元配列の場合は axis という軸を指定して列ごとや行ごとに計算することもできます。

よくある落とし穴と注意点

配列は同じデータ型の要素で構成されることが前提です。異なる型を混ぜて作ると自動的に型が揃えられ、意図しない結果になることがあります。もう一つの注意点は「ビューとコピー」です。ある配列を別の変数に代入しただけだと、両者は同じデータを参照します。片方を変更するともう一方にも影響します。必要なときは copy() を使ってコピーを作成しましょう。

インストールと導入

基本的には pip または conda を使って numpy を導入します。コマンドは次のとおりです。
pip install numpy; conda install numpy

導入が済んだら Python での使用はとても簡単です。
import numpy as np; a = np.array([1, 2, 3])

実務での使い方のコツ

データ分析や科学計算では、リストをそのまま使うよりも numpy 配列を用意しておくと計算が速くコードもすっきりします。データの形状を最初に確認することが大切です。配列の形状を確かめるには a.shape を使います。2次元の表を扱うときは行数と列数の感覚を意識しましょう。

まとめと次のステップ

この記事で学んだことを踏まえると、numpy配列は Python でのデータ処理の核となるツールだと分かります。ndarray の基本を理解し、形状、インデックス、ブロードキャスト、基本演算を使いこなせば、次の機械学習やデータ分析にも挑戦しやすくなります。初めのうちは小さな配列で練習し、徐々に多次元配列や高度な関数へと進めていくのが良いでしょう。

numpy配列の同意語

numpy配列: NumPyが提供する基本のデータ構造。多次元のデータを格納するオブジェクトで、主に ndarray 型として使われます。
NumPy配列: NumPyが提供する基本のデータ構造。多次元のデータを格納するオブジェクトで、主に ndarray 型として使われます。
numpy ndarray: NumPyのndarrayクラスを指す表現。n次元のデータを格納する配列オブジェクトです。
NumPy ndarray: NumPyのndarrayクラスを指す表現。n次元のデータを格納する配列オブジェクトです。
numpyアレイ: NumPyで扱う配列を指す日本語表現。アレイは array の和訳です。
NumPyアレイ: NumPyで扱う配列を指す日本語表現。アレイは array の和訳です。
ndarray: NumPyのndarrayクラスそのもの。一次元以上の多次元配列を表す基本データ型です。
ndarray型: ndarrayという型。NumPyで配列を表す中心的なデータ型です。
NumPyの配列: NumPyライブラリが提供する配列データ構造。インデックス指定や演算が可能なオブジェクトです。
NumPyの多次元配列: NumPyで扱える次元数が複数ある配列。形状は (次元ごとの長さ) で表されます。
多次元配列: 1次元以上の配列を指す用語。NumPyではn次元配列の総称として使われます。
N次元配列: 英語の N-dimensional array の日本語表記。NumPyで扱われる多次元データの基本形です。
N-dimensional array: 英語表現。NumPyの基本的なデータ構造である n 次元配列を指します。
アレイオブジェクト: NumPyの配列を指す一般的な名称。arrayオブジェクトと同義に使われます。
NumPyアレイオブジェクト: NumPyで作られる配列オブジェクト。主に ndarray を指す表現です。
arrayオブジェクト: 配列を指す英語表現。NumPyの配列にも用いられます。

numpy配列の対義語・反対語

スカラー値: NumPy配列は複数の要素を格納できる多次元のデータ構造ですが、スカラー値は1つの数値だけを表します。要素数を持たない、単一の値という点が対照的です。
単一値: 1つの値だけを表すデータ。NumPy配列のような複数要素を持つ構造ではありません。
Python標準リスト: Pythonの標準ライブラリで用いられる可変長の要素列。NumPy配列と比べて機能は限定的ですが、柔軟で扱いやすいです。
Pythonタプル: 要素を変更できない不変のシーケンス。NumPy配列より単純で、計算機能は少ない代わりに軽量です。
Python辞書: キーと値を組み合わせてデータを格納する連想配列。配列とは別のデータ構造で、要素は順序付きの集合ではありません（順序は保証されないことが多い）。
データフレーム: 表形式のデータを列と行で管理する2次元データ構造。ラベル付きの列を持ち、NumPy配列より高度なデータ操作が可能ですが、内部では配列を使います。
スパース配列: ほとんどの要素がゼロや空値である疎なデータを効率的に格納する形式。密なNumPy配列の反対で、用途が異なります。