エレガントなSciPy ―Pythonによる科学技術計算

9

1.2　NumPy の N 次元配列

[6 2]

ここで、

y

を編集したのにもかかわらず、

x

の値まで変更されてしまうことに注意してくださ

い。これは、

y

が同じデータを参照していたからです。

# Now the first element in x has changed to 6!

　

x

の先頭の要素が

6

に変更された。

print(x)

[6 2 3]

つまり、配列を参照する際には要注意ということです。元データを変えずにデータをいじりたい

場合には、以下のように簡単にコピーできます。

y = np.copy(x[:2])

1.2.2

　ベクトル化

本章の前の部分で配列に作用させる演算のスピードについて述べました。高速化のために

NumPy

が使う手の

1

つがベクトル化です。処理がベクトル化されていれば、配列の各要素に演算

を作用させるときに、

for

ループは必要ありません。結果として、高速になる上に、コードがより

自然で読みやすくなります。少し具体例を見ていきましょう。

x = np.array([1, 2, 3, 4])

print(x * 2)

[2 4 6 8]

最初の例は、

x

が

4

個の要素を持つ配列です。上記の例では、明示的に指示することなく、

x

の

各要素に

2

を掛けています。

y = np.array([0, 1, 2, 1])

print(x + y)

[1 3 5 5]

次に、

x

の中の各要素に、同じ形状の配列

y

の対応する要素を足しました。

上の

2

つの演算は、どちらも簡単で、ベクトル化の直観的な例になっていると思います。また ...