この記事では、Python定番の数値計算ライブラリ「NumPy」を学習・利用する主な特徴とメリット（利点）を解説します。
NumPyとは
NumPyとは、Pythonで数値計算をするならば必須といえる数値計算モジュールです。
ndarrayと呼ばれるNumPy配列を使って、少ないコード量で効率よく高速に数値計算を行うことができます。
その主な特徴（メリット・デメリット）を整理しました。
①処理速度が高速
スクリプト言語は簡便に利用できる反面、C言語などの高級言語と比較して処理速度が遅いというデメリットを抱えています。
Pythonも例外ではなく、標準ライブラリ、関数、構文を使って大量のデータを処理すると、速度が著しく低下します。
しかし、数値計算ライブラリNumPyを使って処理を実装すると、C言語と同等の処理速度を出すことができます。
これは、NumPyのAPI内部がC言語やFortranで実装されているためです。
「スクリプト言語の簡便さ」と「高級言語の処理速度の速さ」の良いところ取りをすることができるため、Pythonはデータ解析や機械学習などの科学技術計算でよく利用されています。
②汎用性の高さ
科学計算ライブラリの「SciPy」、機械学習ライブラリ「scikit-learn」、画像処理ライブラリ「OpenCV」など、科学技術系の主要ライブラリはNumPy型の配列により処理が実装されています。そのため、NumPy型の配列でデータを扱えばこれらのライブラリに簡単にデータを渡したり、ライブラリに所望の機能がない場合に、自前で簡単に実装したりできます。また、科学技術計算ライブラリはNumPyに依存しているケースが多いため、インストール必須であることもしばしばあります。Pythonで科学技術計算する場合は、NumPy型の配列を扱えることは必須条件、避けては通れない道といえます。
③MATLABに近い使用感
NumPyの関数群はMATLAB風となっています。そのため、MATLAB系の数値計算ソフトウェアを触ったことのある人には馴染みやすい物となっています。また、MATLABのフリーな代替品として使用する人もいます。ただし、グラフ描画などのグラフィックス機能やSimulinkのようなツールボックスは備わっていません。そのため、NumPyで処理したデータをグラフ描画したい場合はMATLAB風のグラフィックスライブラリ「Matplotlib」と組み合わせるのが一般的です。「汎用性の高さ」でも述べましたが、Pythonの主要な科学計算ライブラリは、NumPy型の配列で処理が実装されていたり、簡単にデータを渡せるようになっているケースが多いです。なので、NumPyに存在しない機能を他の外部ライブラリで簡単に補助することができたり、逆に外部ライブラリに存在しない機能をNumPyで実装したりできます。
④配列の「要素数」「型」が固定
NumPy型の配列は処理速度が高速な反面、「要素数」「データ型」が固定なため、Python標準のリスト型と比べると柔軟性に欠けます。これは先程も述べましたが、NumPyのAPIがC言語やFortranで実装されているためです。
NumPyを使う際の注意点
for文やwhile文でNumpy型の配列を要素ごとに処理すると速度が著しく低下していまします。
そのため、出来るだけfor文、while文を使わずNumPyの関数群で処理を実装することが高速化の鍵となります。
NumPy単体で実装できない場合は、
・「Numba」「Cython」といったライブラリを使用してコンパイルする
・CやFortranで書いて、それをPythonで呼び出す
などの方法を取るのが一般的です。
関連ページ
コメント