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

52

2

章 

NumPy

の基礎

かに速いオーダーで実行が完了していることがわかります。

In[4]: %timeit (1.0 / big_array)

100 loops, best of 3: 4.6 ms per loop

NumPy

のベクトル化演算は、

ufunc

を使用して実装されます。

ufunc

の主な目的は、

NumPy

配列

の各要素に対して繰り返し演算を素早く実行することです。

ufunc

は非常に柔軟性があります。ス

カラーと配列の間の操作は既に見ましたが、配列同士の操作も可能です。

In[5]: np.arange(5) / np.arange(1, 6)

Out[5]: array([ 0. , 0.5 , 0.66666667, 0.75 , 0.8 ])

また、

ufunc

の演算は

1

次元配列だけに限定されず、多次元配列でも動作します。

In[6]: x = np.arange(9).reshape((3, 3))

2 ** x

Out[6]: array([[ 1, 2, 4],

[ 8, 16, 32],

[ 64, 128, 256]])

ufunc

を使ったベクトル化演算は、特に配列のサイズが大きくなるにつれて

Python

ループを使っ

た実装よりもずっと効率的になります。

Python

スクリプトでこのようなループを見つけたらいつ

でも、ベクトル化された式で置き換えられるかどうかを検討すべきです。

2.3.3

 

NumPy ufunc

の調査

ufuncs

は、単一入力を操作する単項ufuncと

2

つの