配列の作成

Q: 乱数を生成する最新の方法は何ですか？

np.random.default_rng(seed) を使用して Generator オブジェクトを作成し、その後 .random() 、 .normal() 、 .integers() などを呼び出します。 従来の np.random.seed() も引き続き使用できますが、レガシーと見なされています。

Q: ジェネレータ式から配列を作成することはできますか？

np.array(x for x in range(10)) は機能しません。ジェネレータオブジェクトを含む0次元配列が作成されてしまいます。代わりに np.fromiter((x for x in range(10)), dtype=int) を使用してください。

Q: CSVを読み込む際、欠損データにはどのように対処すればよいですか？

np.genfromtxt('file.csv', delimiter=',', filling_values=0) を使用して欠損値をデフォルト値に置き換えるか、 np.nan を使用してください。

1. 学習内容

❶ Pythonオブジェクトからの作成
❷ 数列 (arange / linspace / logspace)
❸ あらかじめ値が設定された配列（ゼロ／1／アイ／フル）
❹ 乱数生成
❺ ファイルからの読み込み

2. ストーリー

チャーリーは、0から2πまでの範囲で、等間隔に配置された100個の角度を必要としています。Pythonのループ：5行。np.linspace：1行。

linspace(0, 2*pi, 100) は「0 から 2π までの範囲から、等間隔で 100 個の点を抽出する」という意味です。コードこそがドキュメントです。

3. 主要な概念

(1) Pythonオブジェクトからの作成

最も基本的なアプローチ――Pythonのリスト（またはネストされたリスト）をNumPy配列に変換する方法：

PYTHON

import numpy as np

a = np.array([1, 2, 3])           # 1D from list
b = np.array([[1, 2], [3, 4]])    # 2D from nested list
c = np.array([1, 2, 3], dtype=float)  # specify dtype

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

作成方法の比較

メソッド	構文	入力元	代表的な用途
`np.array`	`np.array(obj)`	Pythonのリスト／タプル	既存データの変換
`np.arange`	`np.arange(start, stop, step)`	数値範囲	整数／浮動小数点数のシーケンス
`np.linspace`	`np.linspace(a, b, n)`	開始、停止、カウント	正確な要素数のカウント
`np.zeros`	`np.zeros(shape)`	形状	すべてゼロに初期化
`np.ones`	`np.ones(shape)`	形状	すべて「1」に初期化
`np.full`	`np.full(shape, val)`	形状＋塗りつぶし値	任意の値に初期化
`np.random.rand`	`np.random.rand(n)`	要素数	ランダム初期化
`np.fromfunction`	`np.fromfunction(fn, shape)`	機能＋形状	数式による生成

(2) 数列

arange

PYTHON

np.arange(5)            # [0 1 2 3 4]
np.arange(1, 10, 2)     # [1 3 5 7 9]
np.arange(0, 1, 0.3)    # [0.  0.3 0.6 0.9]

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

linspace

PYTHON

np.linspace(0, 1, 5)    # [0.   0.25 0.5  0.75 1.  ]
np.linspace(0, 2*np.pi, 100)  # 100 points from 0 to 2pi

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

logspace

PYTHON

np.logspace(1, 3, 3)    # [  10.  100. 1000.]  -- 10^1, 10^2, 10^3
np.logspace(0, 2, 5)    # 5 points from 10^0 to 10^2

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

arange 対 linspace 対 logspace

特集	`arange`	`linspace`	`logspace`
制御	開始、停止、ステップ	開始、停止、num	start_exp、stop_exp、num
ストップを含む	いいえ	はい	はい
間隔	線形	線形	対数
浮動小数点精度	誤差が生じる可能性がある	正確	正確
代表的な用途	整数インデックス	サンプルのプロット	周波数／対数スケール

(3) 事前初期化済み配列

PYTHON

np.zeros(3)             # [0. 0. 0.]
np.zeros((2, 3))        # 2x3 zero matrix
np.ones((2, 2))         # 2x2 ones
np.eye(3)               # 3x3 identity
np.full((2, 3), 7)      # 2x3 filled with 7
np.empty((2, 2))        # 2x2 uninitialized (NOT zeros!)

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

ゼロ vs 空 vs 満杯

機能	初期値	速度	安全性	用途
`zeros`	すべてゼロ	中	安全	既知の初期値が必要
`empty`	未定義	高速	安全でない	すべての要素を直ちに上書き
`full`	カスタム値	中	安全	0 以外の初期値が必要

(4) 乱数の生成

PYTHON

np.random.rand(3)           # 3 uniform [0, 1)
np.random.rand(2, 3)        # 2x3 uniform
np.random.randn(3)          # 3 standard normal
np.random.randint(0, 10, 5) # 5 ints in [0, 10)
np.random.seed(42)          # set seed for reproducibility

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

ランダム関数のクイックリファレンス

関数	分布	定義域	戻り値の型
`rand(d0, d1, ...)`	均一	[0, 1)	float
`randn(d0, d1, ...)`	標準正規分布	(-∞, +∞)	float
`randint(low, high, size)`	一様な整数	[low, high)	int
`uniform(low, high, size)`	均一	[low, high)	float
`normal(loc, scale, size)`	通常	(-∞, +∞)	float
`choice(a, size)`	離散一様	の要素	に依存する

(5) ファイルからの読み込み

PYTHON

data = np.loadtxt('data.txt')                    # plain text
data = np.loadtxt('data.csv', delimiter=',')     # CSV
data = np.genfromtxt('data.csv', delimiter=',',  # handle missing
                     filling_values=0)

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

fromfunction — 座標関数による配列の生成：

PYTHON

np.fromfunction(lambda i, j: i + j, (3, 3))
# [[0. 1. 2.]
#  [1. 2. 3.]
#  [2. 3. 4.]]

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

(1) ▶ サンプル

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

: arange 対 linspace 対 logspace (難易度 ⭐)

PYTHON

import numpy as np

# arange: step-based
a = np.arange(0, 10, 2)       # [0 2 4 6 8]
print("arange:", a)

# linspace: num-based
b = np.linspace(0, 10, 6)     # 6 points: 0, 2, 4, 6, 8, 10
print("linspace:", b)

# logspace: logarithmic
c = np.logspace(1, 4, 4)      # [10, 100, 1000, 10000]
print("logspace:", c)

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

⚠️ 注意： 以下のコードは、ローカルの Python 環境で実行する必要があります。

(2) ▶ サンプル

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

: ゼロ / ワン / アイ / フル (難易度 ⭐)

PYTHON

import numpy as np

z = np.zeros((2, 3))
print("zeros:\n", z)

o = np.ones((3, 2))
print("ones:\n", o)

e = np.eye(4)
print("eye:\n", e)

f = np.full((2, 3), 9.0)
print("full:\n", f)

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

⚠️ 注意： 以下のコードは、ローカルの Python 環境で実行する必要があります。

(3) ▶ サンプル

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

: ネストされたリストを2次元配列に変換する（難易度 ⭐）

PYTHON

import numpy as np

data = [[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]]

a = np.array(data)
print("shape:", a.shape)    # (3, 3)
print("dtype:", a.dtype)    # int64
print("ndim:", a.ndim)      # 2
print("array:\n", a)

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

⚠️ 注意： 以下のコードは、ローカルの Python 環境で実行する必要があります。

(4) ▶ サンプル

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

: ランダムな配列の生成 (難易度 ⭐)

PYTHON

import numpy as np

np.random.seed(42)

print("rand(3):", np.random.rand(3))
print("randn(3):", np.random.randn(3))
print("randint(0,10,5):", np.random.randint(0, 10, 5))
print("uniform(0,1,3):", np.random.uniform(0, 1, 3))
print("normal(0,1,3):", np.random.normal(0, 1, 3))

TEXT

> Output: Run NumPy 2.x in your local Python environment to see the ndarray output. The Piston server does not have NumPy pre-installed — install it locally (`pip install numpy`) and compare. Actual values may vary by NumPy version and random seed.

⚠️ 注意： 以下のコードは、ローカルの Python 環境で実行する必要があります。

4. 比較表

(1) ユースケースに基づく作成方法

必要性	方法	理由
既存データの変換	`np.array(data)`	直接変換
整数の数列	`np.arange(n)`	軽量
正確なフローティングシーケンス	`np.linspace(a, b, n)`	正確なカウント
固定値行列	`np.full(shape, val)`	任意の埋め込み値
単位行列	`np.eye(n)`	線形代数
ランダム初期化	`np.random.rand(...)`	ML重み
ファイルから読み込む	`np.loadtxt(file)`	外部データ

(2) arange と Python の range の比較

特集	`range`	`np.arange`
戻り値	遅延イテレータ	ndarray (実体化済み)
メモリ	O(1)	O(n)
フロートステップ	いいえ	はい
処理速度（反復処理）	遅い	速い（ベクトル化）
ユースケース	ループ処理	配列の作成

5. 原理図

graph TB
    A[Python List] -->|np.array| B[ndarray]
    C[arange / linspace] --> B
    D[zeros / ones / eye] --> B
    E[random functions] --> B
    F[file: loadtxt] --> B
    B --> G[uniform dtype]
    B --> H[contiguous memory]
    B --> I[vectorized ops]

❓ よくある質問

Q arange と linspace の違いは何ですか？

A arange はステップサイズを指定し、停止値は含みません。linspace は点数を指定し、両端点を含みます。整数の数列には arange を、特定の点数が必要な場合には linspace を使用してください。

Q empty() は本当に空なのでしょうか？

A いいえ。メモリは割り当てられますが、初期化はされません。「値」は、そのメモリに以前格納されていたものになります。処理は高速ですが、危険です。すべての要素に値を代入しようとしている場合のみ使用してください。

Q 乱数を生成する最新の方法は何ですか？

A np.random.default_rng(seed) を使用して Generator オブジェクトを作成し、その後 .random()、.normal()、.integers() などを呼び出します。従来の np.random.seed() も引き続き使用できますが、レガシーと見なされています。

Q ジェネレータ式から配列を作成することはできますか？

A np.array(x for x in range(10)) は機能しません。ジェネレータオブジェクトを含む0次元配列が作成されてしまいます。代わりに np.fromiter((x for x in range(10)), dtype=int) を使用してください。

Q CSVを読み込む際、欠損データにはどのように対処すればよいですか？

A np.genfromtxt('file.csv', delimiter=',', filling_values=0) を使用して欠損値をデフォルト値に置き換えるか、np.nan を使用してください。

📖 まとめ

np.array() は Python のリストを ndarray に変換します。dtype は自動的に推論されます。
arange(start, stop, step) は等間隔のシーケンスを生成し、linspace はその数を制御します
zeros/ones/eye/full は初期値が設定済みの配列を作成する；empty は高速だが、初期化されていない
乱数関数：rand（一様分布）、randn（正規分布）、randint（整数）、choice（サンプリング）
loadtxt および genfromtxt はテキストファイルから配列を読み込みます。一方、fromfunction は数式に基づいて生成します。

📝 練習問題

初心者向け（難易度 ⭐）：以下の配列を作成してください：(a) 0 から 9 までの整数、(b) 0 から 1 までの間に等間隔で配置された 10 個の点、(c) 3×3 の単位行列、(d) すべて 7 で構成される 2×4 の配列。
中級（難易度 ⭐⭐）：np.loadtxt を使用して、3つの列（名前（文字列）、年齢（整数）、給与（浮動小数点数））からなるCSVファイルを読み込みます。混合型を処理するために、np.genfromtxtとdtype=Noneを組み合わせて使用してください。平均給与を出力してください。
上級 (難易度 ⭐⭐⭐): np.random.rand(10_000_000) と Python のリスト内包表記を用いて、1,000 万個の乱数を生成するベンチマークを作成してください。所要時間とメモリ使用量の差を記録してください。次に、np.random.default_rng() を使用して、処理速度を比較してください。

Web-Tutorial 技術チーム

複数の開発者によって共同維持されているプログラミングチュートリアルプラットフォーム。各チュートリアルは専門分野の開発者が執筆・レビューしています。正確で信頼性の高いコンテンツを目指しています — 問題を見つけた場合はお知らせください。

私たちについて