Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

50

2

章 

NumPy

の基礎

print(left)

print(right)

[[ 0 1]

[ 4 5]

[ 8 9]

[12 13]]

[[ 2 3]

[ 6 7]

[10 11]

[14 15]]

同様に、

np.dsplit

は

3

番目の軸に沿って配列を分割します。

2.3

 

NumPy

配列の計算：ユニバーサル関数

ここまで、

NumPy

の基本的な仕組みのいくつかについて議論してきました。次のいくつかの節で

は、

Python

データサイエンスの世界で

NumPy

が非常に重要である理由について説明します。すな

わち、データの配列に対して最適化された計算を行うための容易で柔軟なインターフェースです。

NumPy

配列の計算は非常に速くなる可能性もあれば、非常に遅くなる可能性もあります。速く

するための鍵は、

NumPy

のユニバーサル関数（

ufunc

）を使って実装されたベクトル化演算を使用

することです。この節では、配列要

素に対する計算の繰り返しをより効率的に行うため、

ufunc

の

必要性を説明します。次に、

NumPy

パッケージで利用可能な、一般的で有用な算術

ufunc

の多く

を紹介します。

2.3.1

 低速なループ処理

（

CPython

として知られている）

Python

のデフォルト実装では、いくつかの操作は非常に低速で

す。これは、動的に解釈を行うという言語の性質、すなわち型が柔軟であるため、

C

や

Fortran

な

どの言語のように効率的なマシンコードへのコンパイルができないという点が原因です。最近、こ

の弱点に対処するた