１．NumPy（ナンパイ）とは？
NumPy は、高速な数値計算を行うためのライブラリ です。
- 大量のデータを高速処理できる
- 行列（ベクトル）を扱いやすい
- pandas の内部でも使われている
データ分析や AI の基礎ライブラリ。
（１）NumPy の基本
✔ インストール
pip install numpy✔ NumPy を読み込む
慣習として np の別名を使う：
import numpy as np✔ 配列（ndarray）の作成
import numpy as np
a = np.array([1, 2, 3])
print(a)✔ 2次元配列（行列）
b = np.array([[1, 2], [3, 4]])✔ 配列の形状（shape）
a = np.array([1, 2, 3])
b = np.array([[1, 2], [3, 4]])
print(a.shape) # (3,)
print(b.shape) # (2, 2)✔ 要素ごとの計算（NumPy 最大の特徴）
a = np.array([1, 2, 3])
print(a * 2) # [2 4 6]
print(a + 10) # [11 12 13]※ リストではできない高速ベクトル演算が可能
✔ 行列の演算（dot）
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
print(np.dot(a, b))✔ 統計計算
arr = np.array([1, 2, 3, 4, 5])
print(arr.mean()) # 平均
print(arr.sum()) # 合計
print(arr.std()) # 標準偏差NumPy は 数学/統計/AI の土台。
２．pandas（パンダス）とは？
pandas は、表形式データ（Excel や CSV）を扱うためのライブラリ。
- 行・列を持つ表形式「DataFrame」が基本
- CSV, Excel, SQL を簡単に扱える
- データ分析の標準ライブラリ
（１）pandas の基本
✔ インストール
pip install pandas✔ pandas を読み込む
慣習として pd を使う：
import pandas as pd✔ DataFrame の作成（表データ）
import pandas as pd
df = pd.DataFrame({
"name": ["Alice", "Bob"],
"age": [20, 25]
})
print(df)出力例：
name age
0 Alice 20
1 Bob 25✔ CSV ファイルの読み込み
df = pd.read_csv("data.csv")✔ CSV への保存
df.to_csv("output.csv", index=False)（２）行・列の取り出し
✔ 列の取り出し
df["name"]✔ 複数列
df[["name", "age"]]✔ 行の取り出し（loc / iloc）
df.loc[0] # インデックス名で取り出す
df.iloc[0] # 行番号で取り出す（３）条件で抽出（フィルタリング）
df[df["age"] >= 21]これは Excel の「フィルタ」のような機能。
（４）新しい列を追加
df["age2"] = df["age"] * 2（５）欠損値（NaN）の処理
df.dropna() # NaN を削除
df.fillna(0) # NaN を 0 で埋める（６）グループ化（groupby）
df.groupby("name")["age"].mean()（７）集計（describe）
df.describe()平均・中央値・標準偏差などを一括で確認できる。
３．NumPy と pandasの使い分け
| ライブラリ | 得意なこと |
| NumPy | 高速な数値計算・行列計算 |
| pandas | 表データ(行・列)の処理・CSV/Excel |
pandas は内部計算で NumPy を使っているため、セットで覚えるのがベスト。
４．NumPy + pandas の実践例
import numpy as np
import pandas as pd
# データ生成
scores = np.random.randint(0, 100, 10)
df = pd.DataFrame({
"score": scores
})
print(df.describe())５．まとめ
NumPy
- 数値計算・行列計算に強い
- 配列（ndarray）を使って高速処理が可能
- 科学計算・機械学習の基盤
pandas
- CSV・Excel・SQL などの表形式データを扱う標準ツール
- DataFrame によるデータ選択・集計・加工が簡単
- ビジネス/データ分析/機械学習に必須
