この記事の要点

np.array([1, 2, 3]) が最も基本的な配列生成 ゼロ・1・等差数列: np.zeros / np.ones / np.arange / np.linspace 単位行列は np.eye(n)、定数充填は np.full dtype 指定で型を制御 (int32 / float64 / bool / complex) reshape(rows, cols) で次元変換、メモリは C-order がデフォルト

基本: np.array()

Python リスト / タプルから NumPy 配列 (ndarray) を生成する最も基本的な関数:

import numpy as np

# 1 次元配列
a = np.array([1, 2, 3, 4, 5])
print(a)         # [1 2 3 4 5]
print(a.shape)   # (5,)
print(a.dtype)   # int64

# 2 次元配列
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
# [[1 2 3]
#  [4 5 6]]
print(b.shape)   # (2, 3)
print(b.ndim)    # 2

# 3 次元配列
c = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(c.shape)   # (2, 2, 2)

定数充填: zeros / ones / full / empty

# すべて 0 で埋める
zeros = np.zeros((3, 4))
# [[0. 0. 0. 0.]
#  [0. 0. 0. 0.]
#  [0. 0. 0. 0.]]
# dtype はデフォルト float64

# すべて 1 で埋める
ones = np.ones((2, 3), dtype=np.int32)
# [[1 1 1]
#  [1 1 1]]

# 任意の値で埋める
sevens = np.full((2, 2), 7)
# [[7 7]
#  [7 7]]

# 未初期化（高速だが値はランダム）
empty = np.empty((1000, 1000))
# 後で全要素を上書きするときに使う

# 既存配列と同じ shape で
ref = np.array([[1, 2], [3, 4]])
zeros_like = np.zeros_like(ref)    # shape=(2,2), dtype=int
ones_like = np.ones_like(ref, dtype=float)
full_like = np.full_like(ref, fill_value=99)

数列: arange / linspace

# Python の range() の NumPy 版
a = np.arange(10)           # [0 1 2 3 4 5 6 7 8 9]
b = np.arange(2, 10)        # [2 3 4 5 6 7 8 9]
c = np.arange(0, 10, 2)     # [0 2 4 6 8]
d = np.arange(0, 1, 0.1)    # [0. 0.1 0.2 ... 0.9]  ※浮動小数では誤差注意

# 区間を等分（端点を含む点数指定）
e = np.linspace(0, 1, 11)
# [0.  0.1 0.2 0.3 ... 1.0]  ← 11 個

# 対数スケール
f = np.logspace(0, 3, 4)
# [   1.   10.  100. 1000.]

arange と linspace の使い分け:

	arange	linspace
引数	start, stop, step	start, stop, num
stop の扱い	含まない	含む（endpoint=True デフォルト）
浮動小数精度	誤差累積あり	正確に分割
用途	整数系	浮動小数の等分

単位行列: eye / identity

# 単位行列（対角が 1、他は 0）
I = np.eye(3)
# [[1. 0. 0.]
#  [0. 1. 0.]
#  [0. 0. 1.]]

# 長方形行列も可能
I = np.eye(3, 5)
# [[1. 0. 0. 0. 0.]
#  [0. 1. 0. 0. 0.]
#  [0. 0. 1. 0. 0.]]

# 対角をずらす
I = np.eye(4, k=1)   # 1 つ右上
# [[0. 1. 0. 0.]
#  [0. 0. 1. 0.]
#  [0. 0. 0. 1.]
#  [0. 0. 0. 0.]]

# identity は eye の正方行列版
I = np.identity(4)

dtype（データ型）の指定

dtype	バイト数	範囲・用途
int8	1	-128 〜 127
int16	2	-32768 〜 32767
int32	4	±21 億
int64	8	デフォルト整数
uint8	1	0-255 (画像によく使う)
float16	2	半精度（機械学習）
float32	4	単精度（GPU で標準）
float64	8	デフォルト浮動小数
bool	1	True / False
complex64 / 128	8 / 16	複素数

# dtype を明示
a = np.array([1, 2, 3], dtype=np.float32)
b = np.zeros(10, dtype=np.uint8)            # 画像処理向け
c = np.array([True, False, True], dtype=bool)
d = np.array([1+2j, 3-4j], dtype=complex)

# 型変換
a_int = a.astype(np.int32)
# astype は新しい配列を返す（元は変更されない）

# 文字列も可能（固定長）
s = np.array(['abc', 'defgh'], dtype='U10')   # Unicode 最大 10 文字

reshape: 次元変換

# 0-11 の 1 次元配列を 3×4 行列に
a = np.arange(12).reshape(3, 4)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

# -1 は自動計算
b = np.arange(12).reshape(2, -1)
# 自動で 6 → shape (2, 6)

c = np.arange(24).reshape(2, 3, 4)   # 3D
# shape = (2, 3, 4)

# 1 次元に戻す
d = c.reshape(-1)
# shape = (24,)

ndarray のメモリレイアウト

NumPy 配列は内部的には連続メモリ上の 1 次元バイト列です。多次元はストライド（次元ごとのバイト跨ぎ）で表現します:

a = np.arange(12).reshape(3, 4)

print(a.shape)       # (3, 4)
print(a.strides)     # (32, 8)
# 32: 行を 1 進めるのに 32 バイト（int64 × 4 列）
# 8:  列を 1 進めるのに 8 バイト

# C-order（行優先、デフォルト）
b = np.arange(12).reshape(3, 4, order='C')
print(b.flags.c_contiguous)   # True

# F-order（列優先、Fortran 互換）
c = np.arange(12).reshape(3, 4, order='F')
print(c.flags.f_contiguous)   # True

# メモリ消費
print(a.nbytes)    # 96 (12 * 8 bytes)
print(a.itemsize)  # 8

乱数からの生成

# 新 API（推奨、NumPy 1.17+）
rng = np.random.default_rng(seed=42)

a = rng.random((3, 4))                # [0, 1) の一様分布
b = rng.integers(0, 10, size=(2, 5))  # [0, 10) の整数
c = rng.normal(0, 1, size=100)        # 標準正規分布
d = rng.choice([1, 2, 3], size=10)    # サンプリング

# 旧 API（非推奨だが現役）
np.random.seed(42)
e = np.random.rand(3, 4)
f = np.random.randint(0, 10, (2, 5))

FAQ

Q: 大きな配列を作るのにメモリ不足
A: np.empty や np.memmap（ディスクマップ）を使う。dtype を float64 → float32 にすれば半分のサイズに。

Q: np.array([1, "a"]) の dtype は
A: 異なる型が混ざると共通の型に昇格。文字列と数値混在では <U21 等になる。

Q: copy と view の違いは
A: reshape や slice は view（同じメモリを共有）、copy() や flatten() はコピー。