# NumPy クイックリファレンス

*配列の作成、数学演算、線形代数など*

> Source: NumPy Documentation (numpy.org) · MIT

## 配列の作成

### リストから

```
import numpy as np
a = np.array([1, 2, 3])        # 1次元
b = np.array([[1, 2], [3, 4]])  # 2次元
```

### 組み込みコンストラクタ

```
np.zeros((2, 3))     # 2x3のゼロ配列
np.ones((3, 3))      # 3x3の1配列
np.eye(4)            # 4x4の単位行列
np.arange(0, 10, 2)  # [0, 2, 4, 6, 8]
np.linspace(0, 1, 5) # 5個の等間隔値
```

### 配列のプロパティ

| Command | Description |
|---------|-------------|
| `a.shape` | 次元数のタプル：`(3, 4)` |
| `a.ndim` | 次元数 |
| `a.size` | 要素の総数 |
| `a.dtype` | データ型：`float64`、`int32`など |

## インデックスとスライス

### 基本インデックス

```
a = np.array([[1, 2, 3], [4, 5, 6]])
a[0, 1]    # 2（行0、列1）
a[1]       # [4, 5, 6]（行1）
a[:, 0]    # [1, 4]（全行、列0）
```

### スライス

```
a[0, 1:]   # [2, 3]（行0、列1以降）
a[:, :2]   # 最初の2列
a[::2]     # 1行おき
```

### ブールインデックス

```
a = np.array([10, 20, 30, 40])
a[a > 15]   # [20, 30, 40]
a[a % 20 == 0]  # [20, 40]
```

## 配列演算

### 要素ごとの演算

```
a = np.array([1, 2, 3])
a + 10    # [11, 12, 13]
a * 2     # [2, 4, 6]
a ** 2    # [1, 4, 9]
a + a     # [2, 4, 6]
```

### 比較

```
a = np.array([1, 2, 3, 4])
a > 2          # [False, False, True, True]
np.where(a > 2, a, 0)  # [0, 0, 3, 4]
```

### 集計

| Command | Description |
|---------|-------------|
| `a.sum()` | 全要素の合計 |
| `a.mean()` | 算術平均 |
| `a.std()` | 標準偏差 |
| `a.min() / a.max()` | 最小値/最大値 |
| `a.argmin() / a.argmax()` | 最小値/最大値のインデックス |
| `a.cumsum()` | 累積和 |

*軸ごとの結果には`axis=0`（列）または`axis=1`（行）を追加*

## 数学関数

### 一般的な関数

| Command | Description |
|---------|-------------|
| `np.sqrt(a)` | 各要素の平方根 |
| `np.abs(a)` | 絶対値 |
| `np.exp(a)` | 各要素のe^x |
| `np.log(a)` | 自然対数（ln） |
| `np.log10(a)` | 常用対数（底10） |
| `np.sin(a) / np.cos(a)` | 三角関数（ラジアン） |
| `np.round(a, 2)` | 小数点以下2桁に丸め |
| `np.clip(a, lo, hi)` | 値を[lo, hi]にクランプ |

## 線形代数

### 行列演算

```
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
A @ B              # 行列の積
np.dot(A, B)       # A @ Bと同じ
A.T                # 転置
```

### 分解と解法

```
np.linalg.inv(A)       # 逆行列
np.linalg.det(A)       # 行列式
np.linalg.eig(A)       # 固有値/固有ベクトル
np.linalg.solve(A, b)  # Ax = bを解く
```

## 乱数

### 乱数生成

```
rng = np.random.default_rng(42)  # シード固定
rng.random((2, 3))     # 一様分布[0, 1)
rng.integers(1, 10, 5) # [1, 10)の5個の整数
rng.normal(0, 1, 100)  # N(0,1)から100個
rng.choice([1, 2, 3], size=2)  # サンプリング
```

### レガシーAPI

```
np.random.seed(42)
np.random.rand(3, 3)     # 一様分布3x3
np.random.randn(3, 3)    # 標準正規分布
np.random.shuffle(arr)   # インプレースシャッフル
```

## 形状変換

### 形状操作

```
a = np.arange(12)
a.reshape(3, 4)    # 3x4の行列
a.reshape(3, -1)   # 列数を推論
a.flatten()        # 1次元に戻す（コピー）
a.ravel()          # 1次元に戻す（ビュー）
```

### スタックと分割

```
np.vstack([a, b])  # 垂直方向にスタック
np.hstack([a, b])  # 水平方向にスタック
np.concatenate([a, b], axis=0)
np.split(a, 3)     # 3つに分割
```

## ブロードキャスト

### ブロードキャストの仕組み

```
a = np.array([[1, 2, 3],
              [4, 5, 6]])  # 形状(2,3)
b = np.array([10, 20, 30]) # 形状(3,)
a + b  # bが(2,3)にブロードキャスト
```

### ルール

| Command | Description |
|---------|-------------|
| `ルール1` | ランクが一致するまで短い形状の先頭に1を追加 |
| `ルール2` | 次元が等しいか一方が1の場合に一致 |
| `ルール3` | サイズ1の次元はもう一方に合わせて伸長 |

## ファイルI/O

### NumPyバイナリ

```
np.save("data.npy", arr)     # 単一配列
arr = np.load("data.npy")
np.savez("data.npz", a=x, b=y) # 複数配列
d = np.load("data.npz"); d["a"]
```

### テキストファイル

```
np.savetxt("data.csv", arr, delimiter=",")
arr = np.loadtxt("data.csv", delimiter=",")
arr = np.genfromtxt("data.csv", delimiter=",",
                    skip_header=1)
```

## よくあるパターン

### [0, 1]に正規化

```
normalized = (a - a.min()) / (a.max() - a.min())
```

### ユークリッド距離

```
dist = np.sqrt(np.sum((a - b) ** 2))
# または：np.linalg.norm(a - b)
```

### ユニーク値とカウント

```
vals, counts = np.unique(a, return_counts=True)
dict(zip(vals, counts))
```

### ソート

```
np.sort(a)            # ソート済みのコピー
idx = np.argsort(a)   # ソート順のインデックス
a[idx]                # ソート順を適用
```