【保存版】NumPy基礎：配列・ブロードキャスト・ベクトル化・乱数・線形代数を“実務の型”で最短習得

import numpy as np

x = np.array(\[1, 2, 3], dtype=np.int64)
A = np.array(\[\[1., 2., 3.], \[4., 5., 6.]])
A.shape, A.ndim, A.dtype  # ((2, 3), 2, dtype('float64'))

np.zeros((3,4)), np.ones(5), np.arange(0, 10, 2)
np.linspace(0, 1, 5)

# 乱数（新API: Generator）

rng = np.random.default\_rng(42)
rng.normal(loc=0, scale=1, size=(2,3))

B = np.arange(10)

view = B\[2:7]     # ビュー（同じバッファを参照）
view\[:] = -1
B                  # 元も変わる

copy = B\[2:7].copy()
copy\[:] = 9
B                  # 元は変わらない

C = np.arange(12).reshape(3,4)   # 行優先（C-order）
C.T.shape                         # 転置（4,3）
C.ravel(order='C')                # 1次元ビュー（可能なら）

X = np.ones((3,4))
v = np.array([1,2,3,4])
X + v  # 末尾次元(4)が一致→行方向にvが“伸びる”

# 列方向に足したい：

col = np.array(\[10,20,30]).reshape(3,1)
X + col

D = np.array([[1,2,3],[4,5,6]])
D.sum(), D.sum(axis=0), D.mean(axis=1)

# 数値安定：大きな配列の合計はdtypeを上げる

E = np.array(\[1e10, 1, -1e10], dtype=np.float32)
E.sum(dtype=np.float64)  # 桁落ち対策

arr = np.array([5, -2, 7, 0])
mask = arr > 0
arr[mask]             # 正の要素

arr = arr.astype(float)
arr\[arr == 0] = np.nan  # 浮動小数に昇格（NaNを扱うため）

rng = np.random.default_rng(42)
x = rng.normal(size=1000)
x[rng.integers(0, 1000, 20)] = np.nan

np.nanmean(x), np.nanstd(x)

# 外れ値クリップ（中央値±3\*IQR 風の簡易）

q1, q3 = np.nanpercentile(x, \[25, 75])
iqr = q3 - q1
x\_clip = np.clip(x, q1 - 3*iqr, q3 + 3*iqr)

A = np.arange(6).reshape(2,3)
B = np.arange(100,106).reshape(2,3)

np.concatenate(\[A,B], axis=0)  # 行方向
np.hstack(\[A,B])               # 列方向（axis=1）
np.vstack(\[A,B])               # 行方向（axis=0）
np.split(A, 2, axis=0)         # 2つに分割

rng = np.random.default_rng(42)
rng.uniform(0, 1, 5)
rng.normal(0, 1, (2,3))
rng.integers(0, 10, 4)
rng.choice([0,1], size=10, replace=True)

M = np.array([[3., 2.], [1., 2.]])
b = np.array([2., 0.])

sol = np.linalg.solve(M, b)        # 連立一次方程式
w, V = np.linalg.eig(M)            # 固有値・固有ベクトル
U, s, VT = np.linalg.svd(M)        # 特異値分解

np.linalg.cond(M)                  # 条件数の確認

# 例：ユークリッド距離（各行の長さ）
rng = np.random.default_rng(42)
P = rng.normal(size=(10000, 3))

# 悪い例：for

# lens = np.array(\[np.sqrt((p\*p).sum()) for p in P])

# 良い例：ベクトル化

lens = np.sqrt((P\*P).sum(axis=1))