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

2.8

 配列のソート

85

であることがわかるはずです。これは、

NumPy

のアルゴリズムがより柔軟であり、特にデータ数

が多くなるとパフォーマンスが向上するように設計されているためです。

In[26]: x = np.random.randn(1000000)

print("NumPy routine:")

%timeit counts, edges = np.histogram(x, bins)

print("Custom routine:")

%timeit np.add.at(counts, np.searchsorted(bins, x), 1)

NumPy routine:

10 loops, best of 3: 68.7 ms per loop

Custom routine:

10 loops, best of 3: 135 ms per

loop

この比較が示していることは、アルゴリズムの効率とは決して単純な問題ではないということで

す。大規模なデータセットに対して効率的なアルゴリズムは、常に小規模なデータセットに最適な

選択ではなく、逆も同様です（囲み「ビッグオー記法」を参照）。しかし、このアルゴリズムを自分

でコーディングする利点は、基本的なアルゴリズムを理解していれば、基本の要素を拡張して、独

自の動作を行わせることができるという点にあります。大量のデータを扱うプログラムで

Python

を効率的に使用するための鍵は、

np.histogram

のような便利な関数を適切なタイミングで使