Summary  
This chapter demonstrates how to create and initialize NumPy arrays from Python lists or tuples and how to explicitly specify their element data types using the `dtype` 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および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**および**数値的**演算が可能。

ここで、最初の **NumPy** 配列の作成。最も**簡単**な方法は、`array()` 関数を使用し、引数として `list` または `tuple` のいずれかのみを渡す方法。

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番目の配列は`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？

Pythonの数値計算における最も重要なライブラリであるNumPyの可能性を最大限に引き出します。本コースは、NumPyの初心者レベルから上級レベルまでの習得を目指して設計されています。データサイエンティスト、エンジニア、研究者、開発者のいずれであっても、NumPyの習得は効率的なデータ操作、科学計算、機械学習に不可欠です。

NumPyの応用例を探求し、数値計算において最も人気のあるライブラリの一つである理由を理解します。さまざまなデータニーズに効率的に対応するための配列の作成および初期化方法について学びます。

NumPy配列内の特定の要素やサブセットにインデックス表記を用いてアクセスする方法について学びます。条件付きインデックスを適用してデータをフィルタリングし、欠損値を効率的に管理する方法を習得します。

NumPyは、一般的な配列操作を行うための多くの組み込み関数を提供しています。これらのツールを活用して、繰り返しのコードを書くことなく、データの変換、集約、分析を効率的に行う方法を学びます。

NumPy配列上で効率的に数学的演算を行う方法を学びます。これらの演算を実際の問題解決に応用し、ベクトル化計算が数値解析を高速化する仕組みをより深く理解します。

基本的な配列作成

データ型の指定