Pythonによるデータ分析入門 第2版 ―NumPy、pandasを使ったデータ処理

510

付録

A

 

NumPy

：応用編

In [136]: def add_elements(x, y):

.....: return x + y

In [137]: add_them = np.frompyfunc(add_elements, 2, 1)

In [138]: add_them(np.arange(8), np.arange(8))

Out[138]: array([0, 2, 4, 6, 8, 10, 12, 14], dtype=object)

dtype=object

となっているのに気付いたでしょうか。

frompyfunc

を用いて作られた関数は、常に、

NumPy

の数値型ではなく

Python

オブジェクトの配列を戻します。これでは、計算結果を用いてさらに

NumPy

で計算を行う場合などに効率が悪くなるため、不便なことがあります。幸いなことに、（多少機

能性は劣りますが、）返す型を指定できる

numpy.vectorize

という別の関数があります。

In [139]: add_them = np.vectorize(add_elements, otypes=[np.float64])

In [140]: add_them(np.arange(8), np.arange(8))

Out[140]: array([ 0., 2., 4., 6., 8., 10., 12., 14.])

これらの関数を使えば

ufunc

に相当する機能を持つ関数を自前で用意することができます。このと

き注意してお