NumPyとは？Pythonの数値計算ライブラリをやさしく解説【2026年版】

Development

2026.09.12

はじめに

Pythonでデータ分析や機械学習について調べていると、pandasと並んでほぼ必ず登場するのが**NumPy（ナンパイ）**です。「pandasとは何が違うのか」「そもそも何をするためのものなのか」がよく分からないまま素通りしてしまう人も多いはずです。

この記事では、NumPyとは何かという基本から、できること、pandasとの違い、学習の始め方までをやさしく整理します。

リンク

**NumPy（Numerical Python）**は、Pythonで数値計算を高速に行うためのオープンソースのライブラリです。特に「配列（多次元の数値の集まり）」を効率よく扱うための仕組みが中心になっており、Pythonでの科学技術計算・データ分析・機械学習を支える土台的な存在になっています。

Python標準のリストでも数値の集まりは扱えますが、要素数が多くなるほど計算速度が遅くなりがちです。NumPyは内部の計算処理をC言語ベースで高速化しており、大量の数値をまとめて扱う場面で標準のリストより圧倒的に高速に動作します。

特徴	内容
ライセンス	オープンソース・無料（商用利用も可能）
中心となるデータ構造	多次元配列を扱う「ndarray」
得意な処理	大量の数値データに対する一括計算（四則演算・統計計算・行列演算など）
主な用途	科学技術計算、データ分析の下支え、機械学習のモデル内部の計算

「ndarray」という配列に数値をまとめて格納すると、1件ずつループで処理しなくても、配列全体に対して計算を一度に適用できます。この仕組みが、NumPyが高速に動作する理由の中心になっています。

NumPyが扱える処理の代表例は次のとおりです。

配列全体への一括計算：配列同士の足し算・掛け算などを、ループを書かずに一行で処理できる
統計計算：平均・分散・標準偏差・最大値・最小値などをまとめて計算できる
行列演算：線形代数で使う行列の積・転置・逆行列などの計算ができる
乱数生成：シミュレーションや機械学習の初期値づくりに使う乱数を効率よく生成できる
他ライブラリの土台：pandas・scikit-learn・TensorFlowなど、多くのデータ分析・機械学習ライブラリが内部でNumPyを利用している

「機械学習ライブラリの中身がどう動いているか気になる」という場合、その多くはNumPyの配列計算の上に成り立っています。

NumPyと合わせてよく比較されるのが、表形式データを扱うpandasです。両者は役割が異なります。

「純粋な数値計算・行列演算がメインならNumPy」「Excelの表のような、列名付きのデータを扱いたいならpandas」という使い分けになります。実際の開発では、両方を組み合わせて使う場面がほとんどです。pandasの基本については、以下の記事で詳しく解説しています。

NumPyはPythonの基本文法が分かれば扱える設計になっていますが、「配列を一括で計算する」という考え方（ループを使わずに処理する発想）に最初は戸惑うことが多い分野です。実際に手を動かしてコードを書きながら覚えるのが近道です。

評価4.5（31件のレビュー）の講座で、1時間0分・13講義というコンパクトなボリュームで、配列の作成から一括計算、統計処理までの基礎を短時間で学べる構成になっています。

NumPyは、Pythonで数値の配列を高速に計算するためのオープンソースライブラリです。pandasをはじめとする多くのデータ分析・機械学習ライブラリの土台になっており、Pythonで数値を扱う分野を学ぶうえで避けて通れない存在です。

Python自体の基礎に不安がある場合は、上記で紹介した書籍もあわせて参考にしてください。