Summary  
This chapter introduces efficient array and matrix operations using NumPy’s C-based implementation and demonstrates how vectorization enables high-performance computations by applying operations to whole data sets at once.

General domain of usage  
Numerical computing

このコースを自信を持って修了するために、事前に**以下のコースを修了すること**を強く推奨します（クリックすると開始できます）：

データがあふれる現代において、行列や配列を扱うことは非常に重要です。そこで役立つのが**NumPy**です。高速な処理能力と比較的使いやすいインターフェースにより、配列操作のためのPythonライブラリとして**最も利用されている**存在となっています。

NumPyの高速性とその理由について説明。

NumPyはPythonライブラリでありながら、その大部分が**C**という低水準言語で記述されており、高速な計算が可能。

NumPyの速度向上に寄与するもう一つの要因は**ベクトル化**。ベクトル化とは、アルゴリズムを1つの値ごとに処理するのではなく、**複数の値の集合（ベクトル）**を一度に処理するよう変換することを指し、これはCPUレベルで内部的に実行される。

import unittest
import importlib.util
import re

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestUserCode(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        # Завантажуємо код користувача
        spec = importlib.util.spec_from_file_location("user_code", "user_code.py")
        cls.m = importlib.util.module_from_spec(spec)
        spec.loader.exec_module(cls.m)

        # Зчитуємо сирцевий код
        with open("user_code.py", "r", encoding="utf-8") as f:
            cls.src = f.read()

    def test_numpy_import(self):
        # Перевірка, що numpy імпортовано з псевдонімом np
        has_np = "np" in dir(self.m)
        pat_alias = re.search(r"import\s+numpy\s+as\s+np", self.src)
        _dynamic_test(
            self,
            has_np and pat_alias,
            "NumPy imported correctly as np",
            "NumPy import alias incorrect or missing"
        )

if __name__ == "__main__":
    unittest.main()


test_code.py

Pythonの数値計算における最も重要なライブラリであるNumPyの可能性を最大限に引き出します。本コースは、NumPyの初心者レベルから上級レベルまでの習得を目指して設計されています。データサイエンティスト、エンジニア、研究者、開発者のいずれであっても、NumPyの習得は効率的なデータ操作、科学計算、機械学習に不可欠です。

NumPyの応用例を探求し、数値計算において最も人気のあるライブラリの一つである理由を理解します。さまざまなデータニーズに効率的に対応するための配列の作成および初期化方法について学びます。

NumPy配列内の特定の要素やサブセットにインデックス表記を用いてアクセスする方法について学びます。条件付きインデックスを適用してデータをフィルタリングし、欠損値を効率的に管理する方法を習得します。

NumPyは、一般的な配列操作を行うための多くの組み込み関数を提供しています。これらのツールを活用して、繰り返しのコードを書くことなく、データの変換、集約、分析を効率的に行う方法を学びます。

NumPy配列上で効率的に数学的演算を行う方法を学びます。これらの演算を実際の問題解決に応用し、ベクトル化計算が数値解析を高速化する仕組みをより深く理解します。

NumPyの紹介

解答