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

2.3

 

NumPy

配列の計算：ユニバーサル関数

51

In[1]: import numpy as np

np.random.seed(0)

def compute_reciprocals(values):

output = np.empty(len(values))

for i in range(len(values)):

output[i] = 1.0 / values[i]

return output

values = np.random.randint(1, 10, size=5)

compute_reciprocals(values)

Out[1]: array([ 0.16666667, 1. , 0.25 , 0.25

, 0.125 ])

この実装は、おそらく

C

言語や

Java

の経験を持つ人には自然な感じがするはずです。しかし、

大きな入力に対するこのコードの実行時間を測定すると、この操作は驚くほど遅いことがわかり

ます。これを（「1.9 コードのプロファイリングと実行時間計測」で説明した）

IPython

の

%timeit

Magic

コマンドを使ってベンチマークします。

In[2]: big_array = np.random.randint(1, 100, size=1000000)

%timeit compute_reciprocals(big_array)

1 loop, best of 3: 2.91 s per loop

100

万回の計算を行い、結果を保存するには数秒