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

2.4

 集約：最大、最小、その他データの間にあるもの

59

1000 loops, best of 3: 442

μ

s per loop

ただし、

sum

関数と

np.sum

関数はまったく同一ではないため、混乱の原因となることがある点に

注意が必要です。特に、オプションの引数はそれぞれ異なる意味を持ち、

np.sum

は複数の配列次

元を認識します（次の節で説明します）。

2.4.2

 最大と最小

同様に、

Python

組み込みの

min

関数と

max

関数を使って配列の最小値と最大値を求められます。

In[5]: min(big_array), max(big_array)

Out[5]: (1.1717128136634614e-06, 0.9999976784968716)

NumPy

の対応する関数も構文は似ていますが、やはりもっと速く動作します。

In[6]: np.min(big_array), np.max(big_array)

Out[6]: (1.1717128136634614e-06, 0.9999976784968716)

In[7]: %timeit min(big_array)

%timeit np.min(big_array)

10 loops, best of 3: 82.3 ms per loop

1000 loops, best of 3: 497

μ

s per loop

min

、

max

、

sum

、およびその他いくつかの集約を行うには、配列オブジェクトのメソッドを使用

する方が簡単です。

In[8]: ...