Summary  
This chapter explains how to create multidimensional arrays using a function that accepts lists or tuples and how to explicitly specify the element data type via a parameter.  

General domain of usage  
Numerical computing

**NumPy 配列**は、同じデータ型の大規模なデータセットを効率的に格納・操作するための多次元コンテナ。
Python のリストに似ているが、より**メモリ効率**が高く、高速な**数学的**・**数値的**演算が可能。

ここでは、最初の **NumPy** 配列の作成。
最も**簡単**な方法は、`array()` 関数に `list` または `tuple` を引数として渡すこと。

本コースのすべての課題では、**NumPy** 配列は必ず **list** から作成すること。

注意

import numpy as np
# Creating an array from list
array_from_list = np.array([1, 2, 3, 2, 6, 1])
# Creating an array from tuple
array_from_tuple = np.array((1, 2, 3, 2, 6, 1))
print(f'Array from list: {array_from_list}')
print(f'Array from tuple: {array_from_tuple}')

## データ型の指定

配列要素のデータ型は**暗黙的**に定義されますが、`dtype`パラメータを使用して明示的に指定することもできます。

import numpy as np
# Creating an integer array without specifying dtype
array_1 = np.array([1, 2, 3])
# Creating an integer array with setting dtype to 1-byte integer
array_2 = np.array([1, 2, 3], dtype=np.int8)
print(f'First array dtype: {array_1.dtype}')
print(f'Second array dtype: {array_2.dtype}')

最初の整数配列はデフォルトの`int64`データ型（**8バイト整数**）を使用しています。2つ目の配列は`int8`（**1バイト整数**）を使用しています。

NumPyでよく使われるデータ型には、`numpy.float16`、`numpy.float32`、`numpy.float64`があり、それぞれ2バイト、4バイト、8バイトの**浮動小数点数**を格納します。

`np.array()` 関数で配列要素のデータ型を明示的に指定するためのパラメータはどれですか？

NumPyを使用した数値計算のための基本的なスキルを習得します。NumPy配列の操作、多次元データの作成と操作、インデックス指定とスライスの適用、ベクトル化演算の実行、配列の形状変更、ブロードキャストの利用、基本的な線形代数手法の適用方法を学びます。本コースはデータ分析業務で一般的に使用される実践的な操作に焦点を当てています。

Basic Array Creation

データ型の指定