Summary  
Boolean indexing uses boolean arrays—created by applying conditions to an existing array—as masks to select and extract elements by placing the boolean array in square brackets.

General domain of usage  
Data analysis

**ブールインデックス**（**ブール配列インデックス**とも呼ばれる）は、特定の条件に基づいて配列内の要素を選択する方法。大規模な配列においても、データを効率的にフィルタリングする際に非常に有用。

This video covers the complete concept of boolean indexing in NumPy. You will learn what boolean arrays are, how to create them explicitly or by applying conditions to existing arrays, and how to use them for efficient filtering. Visual examples will demonstrate how boolean arrays map to data arrays and how boolean indexing extracts elements that meet specific criteria. The video also walks through practical code samples and explains the logic behind each step, including the quiz scenario involving temperature data. By the end, you will confidently use boolean indexing to select and manipulate data in NumPy arrays.

## ブール配列

ブールインデックスの仕組みを理解するためには、まず**ブール配列**が何かを理解する必要がある。

**ブール配列**とは、各要素が `True` または `False` のいずれかで構成される配列。

定義

このような配列は、要素を**明示的**に指定するか、特定の配列の要素に対する**条件**に基づいて作成することができる。

import numpy as np
# Creating an array of integers from 1 to 10 inclusive
array = np.arange(1, 11)
# Creating a boolean array based on a condition
boolean_array = array > 5
print(boolean_array)

ここで、`array` は `1` から `10` までの整数を**含む**配列。次に、条件 `boolean_array` に基づいて `array > 5` という**ブール型配列**を作成する。これは、`array` のある要素が `5` より**大きい**（条件が `True`）場合、そのインデックスの `boolean_array` の要素は `True` となり、そうでない場合は `False` となる。

上部の配列は初期配列であり、**緑色**の要素は条件に一致せず、**紫色**の要素は条件に一致しています。下部の配列は作成された**ブール配列**です。

## ブール配列によるインデックス指定

**ブールインデックス指定**は非常に直感的に動作します。**角括弧**内にブール配列を指定するだけです。結果として、**ブール配列**内で`True`となっている要素のインデックスに対応する要素が返されます。

`True`値を持つ要素は、インデックスが`5`から`9`までであることが分かります。そのため、これらのインデックスにある`array`の要素が**ブールインデックス指定**によって返されます（上記の図はこのコードに対応しています）。

import numpy as np
# Creating an array of integers from 1 to 10 inclusive
array = np.arange(1, 11)
print(array[array > 5])

1週間分の日ごとの気温（℃）を表す配列が与えられています。25℃を超えるすべての気温を取得するには、次のうちどれを使用しますか？

Pythonで最も重要な数値計算ライブラリである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。

インデックス表記を使用してNumPy配列内の特定の要素やサブセットにアクセスする方法を学びます。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、ベクトル化された計算が数値解析を高速化する仕組みについてより深く理解します。