ndarrayの作成と属性

import numpy as np

# 心拍数リストから配列を作ってください
hr = np.array([72, 80, 95, 68, 110])

# shape, ndim, size, dtype を表示してください
print("shape:", hr.shape)   # (5,)
print("ndim: ", hr.ndim)    # 1
print("size: ", hr.size)    # 5
print("dtype:", hr.dtype)   # int64

1次元配列の shape は末尾にカンマが付いた (5,) 形式です。整数しか含まないので dtype は int64 に自動推定されます。

import numpy as np

# 2次元配列を作ってください
patients = np.array([
    [45, 65.0, 1.72, 22.0],
    [62, 58.0, 1.58, 23.2],
    [33, 78.0, 1.80, 24.1]
])

# shape, ndim, size, dtype を表示してください
print("shape:", patients.shape)   # (3, 4)
print("ndim: ", patients.ndim)    # 2
print("size: ", patients.size)    # 12
print("dtype:", patients.dtype)   # float64

2次元配列の shape は (行数, 列数)。今回は3患者×4項目なので (3, 4)、size=12。年齢は整数ですが体重・身長など小数があるため、全要素が float64 に揃えられます（NumPyは型を統一するため、混在する場合は広い型に合わせます）。

import numpy as np

# int64 を明示的に指定（Pyodideでは指定なしだと int32 になるため）
scores = np.array([85, 72, 90, 68, 95], dtype=np.int64)

# 変換前の dtype と nbytes を表示
print("変換前 dtype:", scores.dtype, " nbytes:", scores.nbytes)
# → 変換前 dtype: int64  nbytes: 40

# float32 に変換してください
scores_f32 = scores.astype(np.float32)

# 変換後の dtype と nbytes を表示
print("変換後 dtype:", scores_f32.dtype, " nbytes:", scores_f32.nbytes)
# → 変換後 dtype: float32  nbytes: 20

.astype(型) で別の型に変換できます。int64（1要素8 byte）から float32（1要素4 byte）にすることでメモリが半分（40→20 bytes）になります。AI学習で大量データを扱うときの定番のテクニックです。

💡 補足：ブラウザ上のPython実行環境（Pyodide）はWASMの32ビット環境のため、np.array([整数]) はデフォルトで int32（4 byte/要素）になります。今回は「メモリ半減」の効果を見せるため dtype=np.int64 を明示しています。実環境（64ビット）では自動的に int64 になることが多いです。