PythonのライブラリであるNumPyは、高速な数値計算を可能にします。特に、NumPyの配列（numpy.array）は、Pythonのリストと比べて高速な計算が可能で、機械学習などの分野で頻繁に使用されます。
NumPy配列の作成
NumPy配列は、Pythonのリストを用いて簡単に作成することができます。
import numpy as np
lesson_list = [1, 2, 3, 4]
lesson_array = np.array(lesson_list)
print(lesson_array) # 出力: [1 2 3 4]
print(type(lesson_array)) # 出力: <class 'numpy.ndarray'>
また、2次元配列も同様に作成することができます。
lesson_list1 = [1, 2, 3, 4]
lesson_list2 = [5, 6, 7, 8]
lesson_array = np.array([lesson_list1, lesson_list2])
print(lesson_array)
# 出力:
# [[1 2 3 4]
# [5 6 7 8]]
print(lesson_array.shape) # 出力: (2, 4)
print(lesson_array.dtype) # 出力: int32
特殊なNumPy配列の作成
NumPyでは、特定の値で初期化された配列を作成するための便利な関数が提供されています。
print(np.zeros([2, 2])) # 全ての要素が0の2x2の配列
print(np.ones([2, 2])) # 全ての要素が1の2x2の配列
NumPy配列の操作
NumPy配列は、形状を変更したり、特定の要素にアクセスしたりすることが容易にできます。
array = np.array([[2, 3], [4, 5], [6, 7]])
print(array.shape) # 出力: (3, 2)
array = array.reshape(2, 3)
print(array)
# 出力:
# [[2 3 4]
# [5 6 7]]
以上がNumPyの基本的な使い方になります。これらの基本を理解すれば、より高度な数値計算もNumPyを用いて効率的に行うことができます。.