Introduction to Numpy (and Python) [JPN]

プログラミング言語
22018年3月1日 D-WiSE LT
C言語
✦ 1972年に開発された汎用高級言語
✦ 機械語に近い構成による高速な実行速度
✦ ポインタのポインタに代表される難解な仕様
✦ 習得難易度が高い
Python
✦ 1991年に開発された汎用高級言語
✦ 豊富なライブラリ(モジュール)による拡張
✦ 簡易な文法により記述することができる
✦ 習得難易度が低い
✦ 速度がC言語と比較して劣る

プログラミング言語
C言語 Python
✦ 科学計算用に設計された言語ではない
✦ 自分で多くを定義する必要がある
e.g. 構造体，クラス，関数
✦ 本来の趣旨から離れた作業が必要
✦ 科学計算用に設計されたPythonのライブラリ
✦ 行列演算など算術計算が高速
Numpyを使おう!

Numpy
Pythonで用いられる科学計算用ライブラリ
✦ 内部はCで実装されている
✦ その他の数学・解析系ライブラリにおける基盤
✦ JuliaやRubyなど多言語での利用も可能

本編の前に…
表記
#include <stdio.h>
int main(void){
return 0;
}
❖ コード名
https://github.com/Scstechr/D-WiSE_LT/tree/
master/180301/codes
リンク
Pythonのヴァージョン
Python 3.6.4

Hello World
C言語
#include <stdio.h>
int main(void){
printf(“Hello Worldn”);
return 0;
}
❖ hello.c
✤ コンパイル
$ gcc hello.c
✤ 実行
$ ./a.out
Hello World

Hello World
Python
print(“Hello World”)
❖ hello.py
❖ 実行
$ python hello.py
Hello World
def main():
print("Hello World")
if __name__ == "__main__":
main()
❖ hello_main.py
逐次コンパイルを行うため事前コンパイルは不要

Hello World
比較
❖ hello.c
print(“Hello World”)
❖ hello.py
#include <stdio.h>
int main(void){
printf("Hello Worldn");
return 0;
}
同じ処理を少ない行数で記述することが可能
デバッグの負担を軽減する

Hello World
def main():
print("Hello World")
if __name__ == "__main__":
main()
#include <stdio.h>
int main(void){
printf("Hello Worldn");
return 0;
}
比較
❖ hello.c
❖ hello_main.py

配列の初期化
C言語
int main(void){
int array[10];
for(int i = 0; i < 10; i++){
array[i] = 0;
}
return 0;
}
❖ array.c
array[] = {0,0,0,0,0,0,0,0,0,0}

配列の初期化
Python
def main():
lst = []
for i in range(10):
lst.append(0)
if __name__ == "__main__":
main()
❖ array.py
リスト ( list )
✤ 多機能なPythonの配列
✤ lst.append() は()の中身を末尾に追加
lst = [0 0 0 0 0 0 0 0 0 0]

配列の初期化
比較
❖ array.py❖ array.c
int main(void){
int array[10];
for(int i = 0; i < 10; i++){
array[i] = 0;
}
return 0;
}
def main():
lst = []
for i in range(10):
lst.append(0)
if __name__ == "__main__":
main()

比較
❖ array.py❖ array.c
int main(void){
int array[10];
for(int i = 0; i <
10; i++){
array[i] = 0;
def main():
lst = []
for i in
range(10):
lst.append(0)
変数の型付け
✤ C言語: 静的型付け (変数宣言時に型宣言を行う)
✤ Python: 動的型付け (右辺により型変化)
配列の初期化

配列の初期化
リスト内包表記
リストの初期化は「リスト内包表記」で一文で書ける
❖ array_comp.py
def main():
lst = [0 for i in range(10)]
if __name__ == "__main__":
main()

配列の初期化
コンストラクタ
❖ array_const.py
def main():
lst = list(range(10))
if __name__ == "__main__":
main()
for文を使わない分リスト内包表記より(おそらく)速い

配列を出力する
C言語
❖ array_print.c
#include <stdio.h>
int main(void){
int array[10];
for(int i = 0; i < 10; i++){
array[i] = i;
}
for(int i = 0; i < 10; i++){
printf(“%dn”, array[i]);
}
return 0;
}
$ gcc array_print.c
$ ./a.out
0
1
2
3
4
5
6
7
8
9

Python
❖ array_print.py
def main():
lst = [i for i in range(10)]
for i in lst:
print(i)
# [print(i) for i in lst]
if __name__ == ‘__main__’:
main()
$ python array_print2.py
0
1
2
3
4
5
6
7
8
9

Pythonにおける出力
print()
❖ array_print2.py
$ python array_print2.py
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print()
✤ ()の中身に合わせて出力を変化
def main():
print(lst)
if __name__ == ‘__main__’:
main()
def main():
print(‘Hello World’)
if __name__ == ‘__main__’:
main()
$ python hello_main.py
Hello World
❖ hello_main.py

C言語で同様の動作を実装する (関数 )
❖ array_print2.c (1/2)
#include <stdio.h>
void print(int *array, int size){
printf("[");
for(int i = 0; i < size; i++){
printf("%d,", array[i]);
}
printf("b]n");
}
配列のポインタとサイズを受け取る関数を定義

C言語で同様の動作を実装する (関数 )
int main(void){
int array[10];
for(int i = 0; i < 10; i++){
array[i] = i;
}
print(array, 10);
return 0;
}

C言語で同様の動作を実装する (構造体 )
#include <stdio.h>
#include <stdlib.h>
#define ARRAY_SIZE 10
typedef struct{
int array[ARRAY_SIZE];
int size;
} Array;
配列とサイズで構成される構造体を定義

void print(Array *array){
printf("[");
for(int i = 0; i < array->size; i++){
printf("%d,", array->array[i]);
}
printf("b]n");
}
構造体のポインタを受け取る関数を定義

int main(void){
Array *array = (Array*)malloc(sizeof(Array));
array->size = 10;
array->array[i] = i;
}
print(array);
free(array);
return 0;
}

int型の(一次元の)配列にしか有効ではない
❖ array_print3.c❖ array_print2.c
#include <stdio.h>
printf("[");
}
printf("b]n");
}
int main(void){
int array[10];
for(int i = 0; i < 10; i++){
array[i] = i;
}
print(array, 10);
return 0;
}
#include <stdio.h>
#include <stdlib.h>
typedef struct{
int array[ARRAY_SIZE];
int size;
} Array;
void print(Array *array){
printf("[");
printf("%d,", array->array[i]);
}
printf("b]n");
}
int main(void){
array->size = 10;
array->array[i] = i;
}
print(array);
free(array);
return 0;
}

Pythonのprint()の凄さ
#include <stdio.h>
printf("[");
}
printf("b]n");
}
int main(void){
int array[10];
for(int i = 0; i < 10; i++){
array[i] = i;
}
print(array, 10);
return 0;
}
❖ array_print2.py
def main():
print(lst)
if __name__ == ‘__main__’:
main()
❖ array_print2.c

Pythonのlistの凄さ
$ python
Python 3.6.2 |Anaconda custom (64-bit)| (default,
Jul 20 2017, 13:14:59)
[ G C C 4 . 2 . 1 C o m p a t i b l e A p p l e L L V M 6 . 0
(clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license"
for more information.
>>> exit()
$
✤ 対話型インタープリタの起動
簡単な動作確認をすることができる
Pythonのデバッグのお供

Pythonのlistの凄さ
>>> dir(list)
[ ' _ _ a d d _ _ ' , ' _ _ c l a s s _ _ ' , ' _ _ c o n t a i n s _ _ ' ,
'__delattr__', '__delitem__', '__dir__', '__doc__',
' _ _ e q _ _ ' , ' _ _ f o r m a t _ _ ' , ' _ _ g e _ _ ' ,
'__getattribute__', '__getitem__', '__gt__',
'__hash__', '__iadd__', '__imul__', '__init__',
'__init_subclass__', '__iter__', '__le__',
'__len__', '__lt__', '__mul__', '__ne__',
'__new__', '__reduce__', '__reduce_ex__',
' _ _ r e p r _ _ ' , ' _ _ r e v e r s e d _ _ ' , ' _ _ r m u l _ _ ' ,
'__setattr__', '__setitem__', '__sizeof__',
'__str__', '__subclasshook__', 'append', 'clear',
'copy', 'count', 'extend', 'index', 'insert',
'pop', 'remove', 'reverse', 'sort']
✤ 充実した既存の関数群

その他の有用な機能
>>> help(list.append)
Help on method_descriptor:
append(...)
L.append(object) -> None -- append object to end
✤ help(): 関数その他の詳細をviで出力 (qで抜け出す)
>>> lst = list(range(10))
>>> lst
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> type(lst)
<class 'list'>
✤ type(): インスタンスの種類を出力

実行時間
比較
$ time ./a.out
[0,1,2,3,4,5,6,7,8,9]
❖ array_print2.py
❖ array_print3.c
real 0m0.007s
user 0m0.002s
sys 0m0.002s
$ time python array_print2.py
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
real 0m0.062s
user 0m0.039s
sys 0m0.015s
Pythonは遅い!

Numpy
PythonのNumpyの凄さ
$ python
Jul 20 2017, 13:14:59)
[ G C C 4 . 2 . 1 C o m p a t i b l e A p p l e L L V M 6 . 0
(clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license"
for more information.
>>>
✤ 対話型インタープリタの起動

Numpy
>>> import numpy as np
✤ importする
Pythonのライブラリ利用法
★ C言語の類似表記:
numpyを書くのは長いのでnpと表記する (慣例)
#include <stdio.h>
#include “myheader.h”
★ Pythonの場合は出自を記す必要がある
import numpy as np
#numpyで定義されたsum()を使いたい
np.sum()

Numpy
>>> dir(np)
['ALLOW_THREADS', 'BUFSIZE', 'CLIP', 'ComplexWarning', 'DataSource',
'ERR_CALL', 'ERR_DEFAULT', 'ERR_IGNORE', 'ERR_LOG', 'ERR_PRINT',
'ERR_RAISE', 'ERR_WARN', 'FLOATING_POINT_SUPPORT', 'FPE_DIVIDEBYZERO',
'FPE_INVALID', 'FPE_OVERFLOW', 'FPE_UNDERFLOW', 'False_', 'Inf',
'Infinity', 'MAXDIMS', 'MAY_SHARE_BOUNDS', 'MAY_SHARE_EXACT', 'MachAr',
'ModuleDeprecationWarning', 'NAN', 'NINF', 'NZERO', 'NaN', 'PINF',
'PZERO', 'PackageLoader', 'RAISE', 'RankWarning', 'SHIFT_DIVIDEBYZERO',
'SHIFT_INVALID', 'SHIFT_OVERFLOW', 'SHIFT_UNDERFLOW', 'ScalarType',
'Tester', 'TooHardError', 'True_', 'UFUNC_BUFSIZE_DEFAULT',
'UFUNC_PYVALS_NAME', 'VisibleDeprecationWarning', 'WRAP', '_NoValue',
'__NUMPY_SETUP__', '__all__', '__builtins__', '__cached__',
'__config__', '__doc__', '__file__', '__git_revision__', '__loader__',
'__name__', '__package__', '__path__', '__spec__', '__version__',
'_import_tools', '_mat', 'abs', 'absolute', 'absolute_import', 'add',
'add_docstring', 'add_newdoc', 'add_newdoc_ufunc', 'add_newdocs',
'alen', 'all', 'allclose', 'alltrue', 'alterdot', 'amax', 'amin',
'angle', 'any', 'append', 'apply_along_axis', 'apply_over_axes',
'arange', 'arccos', 'arccosh', 'arcsin', 'arcsinh', 'arctan', 'arctan2',
'arctanh', 'argmax', 'argmin', 'argpartition', 'argsort', 'argwhere',
✤ 豊富な関数群

Numpy
>>> dir(np.ndarray)
[ ' T ' , ' _ _ a b s _ _ ' , ' _ _ a d d _ _ ' , ' _ _ a n d _ _ ' , ' _ _ a r r a y _ _ ' ,
'__array_finalize__', '__array_interface__', '__array_prepare__',
'__array_priority__', '__array_struct__', '__array_wrap__', '__bool__',
'__class__', '__contains__', '__copy__', '__deepcopy__', '__delattr__',
'__delitem__', '__dir__', '__divmod__', '__doc__', '__eq__',
'__float__', '__floordiv__', '__format__', '__ge__', '__getattribute__',
'__getitem__', '__gt__', '__hash__', '__iadd__', '__iand__',
'__ifloordiv__', '__ilshift__', '__imatmul__', '__imod__', '__imul__',
'__index__', '__init__', '__init_subclass__', '__int__', '__invert__',
'__ior__', '__ipow__', '__irshift__', '__isub__', '__iter__',
'__itruediv__', '__ixor__', '__le__', '__len__', '__lshift__', '__lt__',
'__matmul__', '__mod__', '__mul__', '__ne__', '__neg__', '__new__',
'__or__', '__pos__', '__pow__', '__radd__', '__rand__', '__rdivmod__',
'__reduce__', '__reduce_ex__', '__repr__', '__rfloordiv__',
'__rlshift__', '__rmatmul__', '__rmod__', '__rmul__', '__ror__',
'__rpow__', '__rrshift__', '__rshift__', '__rsub__', '__rtruediv__',
'__rxor__', '__setattr__', '__setitem__', '__setstate__', '__sizeof__',
'__str__', '__sub__', '__subclasshook__', '__truediv__', '__xor__',
'all', 'any', 'argmax', 'argmin', 'argpartition', 'argsort', 'astype',
✤ 多次元行列(np.ndarray)に限っても豊富

Numpy
listからnp.ndarrayへの変換
import numpy as np
def main():
print(lst, type(lst))
array = np.array(lst)
print(array, type(array))
if __name__ == "__main__":
main()
❖ np_array.py
$ python np_array.py
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] <class 'list'>
[0 1 2 3 4 5 6 7 8 9] <class ‘numpy.ndarray'>

numpyで定義された関数を用いる
Numpy
import numpy as np
def main():
#array = np.array([i for i in range(10)])
array = np.arange(10)
print(array)
if __name__ == "__main__":
main()
np.arange(n): 0~n-1で初期化された一次元配列
❖ np_array2.py

比較
❖ array_print2.py
$ time python array_print2.py
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
real 0m0.062s
user 0m0.039s
sys 0m0.015s
❖ np_array2.py
$ time python np_array2.py
[0 1 2 3 4 5 6 7 8 9]
real 0m0.239s
user 0m0.161s
sys 0m0.062s
実行時間の計測: Python

numpyをimportするオーバーヘッド
❖ import_numpy.py
$ cat import_numpy.py
import numpy as np
$ time python import_numpy.py
real 0m0.226s
user 0m0.149s
sys 0m0.062s
❖ array_print2.py
real 0m0.062s
user 0m0.039s
sys 0m0.015s
❖ array_print2.py
real 0m0.013s
user 0m0.012s
sys 0m0.000s
real 0m0.239s
user 0m0.161s
sys 0m0.062s
→

ipythonを利用する
$ ipython
Jul 20 2017, 13:14:59)
Type 'copyright', 'credits' or 'license' for more
information
IPython 6.2.1 -- An enhanced Interactive Python.
Type '?' for help.
In [1]: list.append?
Docstring: L.append(object) -> None -- append
object to end
Type: method_descriptor
In [2]:
✤ 多機能の対話型インタープリタの起動

In [1]: import numpy as np
✤ Numpyをimport
In [2]: def range_list(n):
...: lst = list(range(n))
...:
In [3]: def arange_np(n):
...: array = np.arange(n)
...:
✤ nを引数とする関数を定義

✤ %timeitで計測 (要素数10の1次元配列)
In [4]: %timeit range_list(10)
878 ns ± 31.8 ns per loop (mean ± std.
dev. of 7 runs, 1000000 loops each)
In [5]: %timeit arange_np(10)
872 ns ± 32.8 ns per loop (mean ± std.

✤ %timeitで計測 (要素数10000の1次元配列)
In [6]: %timeit range_list(10000)
238 µs ± 9.11 µs per loop (mean ± std.
In [7]: %timeit arange_np(10000)
5.87 µs ± 179 ns per loop (mean ± std.

実行時間: C
time.hを利用する
❖ array_10k.c (1/3)
#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#define TRIAL 100000
typedef struct{
int data[ARRAY_SIZE];
int size;
} Array;
ヘッダのincludeと定数・構造体の定義

❖ array_10k.c (2/3)
void process(){
array->size = 10000;
array->data[i] = i;
}
}
配列の初期化を関数として切り出す
実行時間: C

❖ array_10k.c (3/3)
int main(){
clock_t t1, t2;
double sum; sum = 0;
for(int i = 0; i < TRIAL; i++){
t1 = clock();process();t2 = clock();
sum += (double)(t2-t1)/CLOCKS_PER_SEC;
}
printf("%fn", (double)sum / TRIAL);
return 0;
}
実行時間: C

❖ array_10k.c
$ ./array_10k.out
0.000034
実行時間
種類実行時間
Python
list 238 [µs]
numpy 5.86 [µs]
C 34 [µs]
比較
Pythonは遅い!

Numpy - 配列の初期化
$ ipython
Jul 20 2017, 13:14:59)
Type 'copyright', 'credits' or 'license' for more
information
IPython 6.2.1 -- An enhanced Interactive Python.
Type '?' for help.
✤ 多機能型の対話型インタープリタの起動
In [1] : import numpy as np
✤ Numpyをimport

全零行列
In [2]: np.zeros(10)
Out[2]: array([ 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0.])
✤ np.zeros()
全一行列
In [3]: np.ones(10)
Out[3]: array([ 1., 1., 1., 1., 1., 1., 1.,
1., 1., 1.])
✤ np.ones()
Numpy - 配列の初期化

Numpy - 多次元行列を定義
In [4]: np.array([[0,1],[2,3]])
Out[4]:
array([[0, 1],
[2, 3]])
listを変換
In [5]: np.arange(4).reshape([2,2])
Out[5]:
array([[0, 1],
[2, 3]])
np.reshape()で1次元配列を多次元へ変換

0 1
2 3

In [6]: np.zeros([2,2])
Out[6]:
array([[ 0., 0.],
[ 0., 0.]])
全零行列 np.zeros()

0 0
0 0
In [7]: np.ones([2,2])
Out[7]:
array([[ 1., 1.],
[ 1., 1.]])
全一行列 np.ones()

1 1
1 1
In [8]: np.identity(2)
Out[8]:
array([[ 1., 0.],
[ 0., 1.]])
単位行列 np.identity()

1 0
0 1
Numpy - 多次元行列を定義

Numpy - 行列演算
a =
2
4
1
2
3
3
5 , b =
2
4
4
5
6
3
5
In [9]: a = np.array([1,2,3])
In [9]: b = np.array([4,5,6])
In [10]: a + b
Out[10]: array([5, 7, 9])
加算
In [11]: a - b
Out[11]: array([-3, -3, -3])
減算

Numpy - 行列演算
a =
2
4
1
2
3
3
5 , b =
2
4
4
5
6
3
5
In [9]: a = np.array([1,2,3])
In [9]: b = np.array([4,5,6])
In [12]: a * b
Out[12]: array([ 4, 10, 18])
乗算
In [13]: a / b
Out[13]: array([ 0.25, 0.4 , 0.5 ])
除算

Numpy - 線形代数
np.linalg
>>> dir(np.linalg)
['LinAlgError', '__builtins__', '__cached__',
'__doc__', '__file__', '__loader__', '__name__',
' _ _ p a c k a g e _ _ ' , ' _ _ p a t h _ _ ' , ' _ _ s p e c _ _ ' ,
' _ n u m p y _ t e s t e r ' , ' _ u m a t h _ l i n a l g ' ,
'absolute_import', 'bench', 'cholesky', 'cond',
'det', 'division', 'eig', 'eigh', 'eigvals',
'eigvalsh', 'info', 'inv', 'lapack_lite', 'linalg',
' l s t s q ' , ' m a t r i x _ p o w e r ' , ' m a t r i x _ r a n k ' ,
'multi_dot', 'norm', 'pinv', 'print_function',
'qr', 'slogdet', 'solve', 'svd', 'tensorinv',
'tensorsolve', 'test']
>>>

In [14]: c = np.arange(1,5).reshape(2,2)
In [15]: np.linalg.det(c)
Out[15]: -2.0000000000000004
行列式: det c
In [16]: np.linalg.norm(c)
Out[16]: 5.4772255750516612
ノルム: ||c||
c =

1 2
3 4

In [14]: c = np.arange(1,5).reshape(2,2)
In [17]: np.linalg.inv(c)
Out[17]:
array([[-2. , 1. ],
[ 1.5, -0.5]])
逆行列: c-1
c =

1 2
3 4

Numpy - 乱数生成
random (既存ライブラリ)
>>> import random
>>> dir(random)
['BPF', 'LOG4', 'NV_MAGICCONST', 'RECIP_BPF', 'Random',
' S G _ M A G I C C O N S T ' , ' S y s t e m R a n d o m ' , ' T W O P I ' ,
'_BuiltinMethodType', '_MethodType', '_Sequence', '_Set',
'__all__', '__builtins__', '__cached__', '__doc__',
'__file__', '__loader__', '__name__', '__package__',
'__spec__', '_acos', '_bisect', '_ceil', '_cos', '_e',
'_exp', '_inst', '_itertools', '_log', '_pi', '_random',
'_sha512', '_sin', '_sqrt', '_test', '_test_generator',
'_urandom', '_warn', 'betavariate', 'choice', 'choices',
'expovariate', 'gammavariate', 'gauss', 'getrandbits',
' g e t s t a t e ' , ' l o g n o r m v a r i a t e ' , ' n o r m a l v a r i a t e ' ,
'paretovariate', 'randint', 'random', 'randrange', 'sample',
'seed', 'setstate', 'shuffle', 'triangular', 'uniform',
'vonmisesvariate', 'weibullvariate']

Numpy - 乱数生成
np.random
>>> dir(np.random)
['Lock', 'RandomState', '__RandomState_ctor', '__all__',
'__builtins__', '__cached__', '__doc__', '__file__',
'__loader__', '__name__', '__package__', '__path__',
'__spec__', '_numpy_tester', 'absolute_import', 'bench',
'beta', 'binomial', 'bytes', 'chisquare', 'choice',
'dirichlet', 'division', 'exponential', 'f', 'gamma',
'geometric', 'get_state', 'gumbel', 'hypergeometric', 'info',
'laplace', 'logistic', 'lognormal', 'logseries', 'mtrand',
'multinomial', 'multivariate_normal', 'negative_binomial',
'noncentral_chisquare', 'noncentral_f', 'normal', 'np',
'operator', 'pareto', 'permutation', 'poisson', 'power',
'print_function', 'rand', 'randint', 'randn', 'random',
'random_integers', 'random_sample', 'ranf', 'rayleigh',
'sample', 'seed', 'set_state', 'shuffle', 'standard_cauchy',
'standard_exponential', 'standard_gamma', 'standard_normal',
'standard_t', 'test', 'triangular', 'uniform', 'vonmises',
'wald', 'warnings', 'weibull', 'zipf']

Numpy - 異なる分布による乱数生成
一様分布: np.random.rand()
import numpy as np
import matplotlib.pyplot as plt
def main():
R = np.random.rand(10000)
plt.hist(R, bins=1000)
plt.show()
if __name__ == "__main__":
main()
❖ np_rand.py
一様分布

Numpy - 異なる分布による乱数生成
標準正規分布 N(0,1): np.random.randn()
import numpy as np
def main():
R = np.random.randn(10000)
plt.show()
if __name__ == "__main__":
main()
❖ np_randn.py
標準正規分布
N(0, 1)

Numpy - 分布関数で決定
ランダムに選択: np.random.choice()
import numpy as np
def main():
pmf = np.zeros(9)
pmf[2] = 0.5
pmf[3] = 0.28
pmf[8] = 0.22
R = np.random.choice(array, size = 10000, p=pmf)
#print(R)
plt.show()
if __name__ == "__main__":
main()
❖ np_rand_choice.py
⇤8(x) = 0.5x2
+ 0.28x3
+ 0.22x8

まとめ
Python
• 簡潔に記述できるためデバッグしやすい
• C言語と比較すると実行速度が遅い
• そのままでは科学計算用には適していない
Numpy
• Pythonの科学計算用ライブラリ
• 内部がCで記述されており高速な演算が可能
• 豊富なライブラリ関数による簡易な実装

その他の数学用ライブラリ
Scipy: 算術計算用のライブラリ
• 微分積分や疎行列などを定義している
• NumpyにないものはおそらくScipyにある
Sympy: 変数をシンボルとして扱うためのライブラリ
• x, yなどに具体的に値を代入する必要がない
• 極限などよりテーラー展開など応用数学分野に強い
• 式の展開とか整理に利用？

NumpyおよびPythonの使い方
処理の流れをPythonで決める
実行速度に満足したか？
Cで書き直す？
いいえはい
いいえはい
修羅の道へ…

おすすめ
• YouTubeなどでカンファレンス動画を観る
• PyData, Enthought, Next Day Video, PyCon
• オライリー本を買う
• GitHubなどでコードを漁る
• 公式ドキュメントを熟読する
• 新しいメソッドを知るごとに処理速度が変化

補助

まとめ
1950s Fortran
1960s BASIC
1970s C SQL SmallTalk
1980s C++ Common Lisp Perl
1990s Python Ruby Haskell
2000s C# Go Nim
2010s Rust Julia Kotlin
プログラミング言語年代記

Pythonを使いつつ速度を求める
Cython
• PythonをCに変換する
• コードが汚くなる代わりに速い
Numba
• JIT (Just-In-Time)コンパイラ
• 機械語に変換し速度向上を目指す
Pypy
• 速度向上を目指すPythonのヴァージョン

Introduction to Numpy (and Python) [JPN]

More Related Content

What's hot (16)

Similar to Introduction to Numpy (and Python) [JPN] (20)

Introduction to Numpy (and Python) [JPN]