Kaggle Tutorial

NumPy 基礎 — 配列・ベクトル化・broadcasting

ndarray の生成と操作、ループを避けるベクトル化、broadcasting の仕組みを学びます。

なぜ NumPy か#

NumPy の ndarray（多次元配列）は、数値計算を高速・簡潔に書くための土台です。 pandas も内部は NumPy で動いており、機械学習ライブラリの入出力も配列が基本になります。

配列の生成#

import numpy as np

a = np.array([1, 2, 3])            # リストから生成
z = np.zeros((2, 3))               # 2×3 のゼロ行列
r = np.arange(0, 10, 2)            # [0 2 4 6 8]
lin = np.linspace(0, 1, 5)         # 0〜1 を 5 等分
print(a.shape, a.dtype)            # (3,) int64

shape（形）と dtype（型）は常に意識します。形の不一致はエラーの定番原因です。

ベクトル化：ループを書かない#

要素ごとの計算は、Python の for ではなく配列演算で書きます。 内部が C で実装されているため、桁違いに高速です。

x = np.arange(1_000_000)

# 悪い例：Python ループは遅い
# total = 0
# for v in x:
#     total += v ** 2

# 良い例：ベクトル化（1 行・高速）
total = (x ** 2).sum()

ヒント

%timeit (x ** 2).sum() と Python ループを比べると、ベクトル化が 100 倍以上速いことを 実感できます。「ループを書きたくなったら配列演算で書けないか」を先に考えましょう。

集約と axis#

合計・平均などは axis で集約方向を指定します。axis=0 は列方向、axis=1 は行方向です。

m = np.array([[1, 2, 3],
              [4, 5, 6]])

m.sum()           # 21（全体）
m.sum(axis=0)     # [5 7 9]（列ごと）
m.mean(axis=1)    # [2. 5.]（行ごと）

broadcasting#

形の異なる配列どうしの演算では、NumPy が自動で形を引き伸ばしてそろえます。 これを broadcasting と呼びます。

m = np.array([[1, 2, 3],
              [4, 5, 6]])
col_mean = m.mean(axis=0)     # [2.5 3.5 4.5]

centered = m - col_mean       # 各列から列平均を引く（中心化）

m（形 2×3）と col_mean（形 3,）が、行方向に引き伸ばされて計算されます。 標準化のように「列ごとの統計量で各列を変換する」処理が 1 行で書けます。

xstd=x−μσx_{\text{std}} = \frac{x - \mu}{\sigma}

注意

broadcasting は便利ですが、意図しない形で計算が通ってしまうこともあります。 計算前後で shape を確認する癖をつけると、バグに早く気づけます。

Google Colab で開く ↗Kaggle で開く ↗

次のステップ#

次は、表形式データを扱う pandas の基礎（読み込み・選択・フィルタ）に進みます。