8 つのガイド付きラボを通して、NumPy の配列操作だけでなく、形状、データ型、メモリ動作が重要な理由も学びます。小さな Python プログラムを作成・実行しながら、配列の作成とインデックスから、ファイル入力、ブロードキャスト、構造化データ、ユニバーサル関数へと進みます。
1 つの大規模プロジェクトではなく、具体的な実験を重ねる構成です。欠損値を含む CSV の読み込み、ビューと独立したコピーの比較、互換・非互換形状の検証、要素ごとの演算の観察を通じて、今後の数値処理に役立つ確かな理解を築きます。
学習内容
- Python シーケンス、NumPy コンストラクター、データファイルから多次元配列を作成する
- スライス、整数インデックス、ブールマスクで配列を選択・更新する
genfromtxtでヘッダー、区切り文字、列、欠損値を扱いながら表データを読み込むdtypeとastypeで NumPy のデータ型を確認、指定、変換する- 互換性のある形状にブロードキャスト規則を適用し、不一致を見分ける
- ビューとコピーを区別し、
baseでメモリ共有を確認する - 構造化配列とレコード配列で名前付きフィールドを定義・参照する
- ユニバーサル関数で要素演算、リダクション、出力型、独自動作を扱う
このコースの対象者
NumPy を初めて学ぶ Python 学習者と、配列の動作を明確に理解したいデータ分野の初学者向けです。基本的な Python は書けるものの、大量の演習や NumPy 上に構築されたライブラリへ進む前に、丁寧なガイドを求める方に特に適しています。
前提知識： リスト、変数、条件分岐、スクリプトの実行を含む Python の基礎を推奨します。NumPy の事前経験は不要です。
学習環境： 各ラボに Ubuntu 22.04 WebIDE、開始用 Python ファイル、ターミナル、必要な CSV データが用意されます。ブラウザで通常の .py ファイルを編集・実行するため、ローカル環境の設定は不要です。
よくある質問
ガイド形式ですか、それとも主にチャレンジ問題ですか？
説明、実行可能な例、段階的なコーディング課題を備えた 8 つのガイド付きラボです。独立したチャレンジラボはありません。
コピーとビューを学ぶのはなぜですか？
NumPy のスライスは元配列とメモリを共有する場合があり、高度なインデックスは通常コピーを作ります。この違いを知ると、変更が元データにも及ぶか判断できます。
ファイルから読み込むデータも扱いますか？
はい。単純な CSV には loadtxt を使い、genfromtxt ではヘッダーの除外、列選択、型指定、欠損値の置換を学びます。
Pandas、機械学習、可視化も学べますか？
いいえ。NumPy 配列とその動作に集中します。それらの分野の基礎にはなりますが、DataFrame、予測モデル、描画ワークフローは扱いません。
