NumPyとは？
NumPy は、Python 科学計算エコシステムの基盤であり、その核心は高性能で多機能な N 次元配列（ndarray）です。ベクトル化演算、柔軟なインデックス指定、ブロードキャスト機構を備え、現代の配列計算における事実上の標準となっています。また、包括的な数学関数、乱数生成器、線形代数ルーチン、フーリエ変換などの機能を内蔵しており、ゆるやかな BSD ライセンスのもとでオープンソースとして公開され、GitHub 上で世界中の活発なコミュニティによって共同開発・維持されています。さらに、NumPy は優れた相互運用性と性能を備えており、その内部は高度に最適化された C コードに基づいています。Python の使いやすさとコンパイル言語の高速性を両立しつつ、GPU 加速、疎配列、分散計算ライブラリとのシームレスな連携も可能で、単一マシンでの解析から超大規模な科学計算まで、あらゆる場面のニーズに対応します。
主な機能
高効率でメモリに優しい N 次元配列（ndarray）データ構造を提供し、ベクトル化演算、高度なインデックス指定、自動ブロードキャスト機構をサポートすることで、数値計算の効率とコードの可読性を大幅に向上させます。
汎用数学関数、擬似乱数発生器（default_rng など）、線形代数（行列積や固有値分解など）、フーリエ変換、統計解析などの核心機能を含む、豊富な数値計算ツール群を内蔵しています。
用途と対象者
科学計算、データサイエンス、機械学習、工学シミュレーション、教育研究に従事する Python 開発者向けで、初心者から専門的な研究者まで幅広い層を対象としています。
- 科学計算：天体物理学（例えば、イベントホライズンテレスコープによる初のブラックホール画像撮影）や重力波検出（LIGO 実験）など、高精度な数値シミュレーションを支援します。
- データ分析と機械学習の基礎：Pandas、scikit-learn、SciPy、TensorFlow、PyTorchなどのライブラリに核心となるN次元配列機能を提供
- 高性能な数値計算：C言語で最適化された低レベル実装により、Pythonの使いやすさとC/Fortranに近い計算速度を両立
Python コード内で定義される数値型データで、スカラー、リスト、タプル、入れ子構造のシーケンス、およびその他の配列に変換可能なオブジェクトを含みます。
高度に最適化された N 次元配列オブジェクト（ndarray）で、ベクトル化演算、インデックス指定、スライシング、ブロードキャスト、各種数学関数による結果の返却をサポートします。
よくある質問
NumPyはオープンソースですか？
はい、NumPyは寛大なBSDライセンスを採用しており、ソースコードはGitHubで公開されています。
NumPyはGPUアクセラレーションに対応していますか？
ネイティブのNumPyはGPUを直接サポートしていませんが、CuPyなどの互換ライブラリによって、NumPy APIのGPUアクセラレーション実装が提供されています。
使い方
- 01
対話型環境（たとえばブラウザ内シェル）でNumPyのコードを入力します
- 02
Shift + Enter を押してコードを実行するか、ツールバーの「Run」ボタンをクリックしてください
- 03
標準的なインポート文を使用します：import numpy as np
- 04
N次元配列を作成し操作します。たとえば x = np.arange(15).reshape(3, 5) といった具合です。スライシング、ブロードキャスト、集約などの操作もサポートされています
公式サイトと情報源
情報源
情報更新日 2026-10-27
