numpy, nmatrix, narrayの多次元配列機能比較です。

1. 多次元配列機能比較
田中昌宏 2016-02-20

2. Numpy多次元配列の機能
1. Slice View
• 配列のスライスは、元の配列のビューになる。
2. Broadcasting
• 要素数が1の次元のとき、要素を繰り返して適用。
3. Index/Mask array
• 配列のスライスに与えるインデックスが、
• bool配列のとき、Trueの位置の要素を参照
• int配列のとき、インデックスとして参照

3. 1. Slice View
• a[2:4] のようなスライスは、元の配列のビューになる。
>>> a = numpy.arange(5)
array([0, 1, 2, 3, 4])
>>> b = a[2:4]
array([2, 3])
>>> b[:] = 9
array([9, 9])
>>> a
array([0, 1, 9, 9, 4])
• もともと要素参照が a[k][j][i] という記法だったためと思われる。
• Viewによってコピー不要になる例：
• a[3:7] += 5
• diff = a[1:-2] - a[0:-1]
• NArray旧版では不採用

4. 2. Broadcasting
• 配列の演算で、一方の配列のある次元の要素数が1のとき、要
素が繰り返して適用される。
• numpy.arange(4).reshape(4,1) * numpy.arange(5).reshape(1,5)
• Broadcasting がなければ、演算の前に n*m の配列を作らなけれ
ばならない。
• 配列とスカラーの演算も、Broadcastingの一種とみなせる。
0
1
2
3
0 0 0 0 0
0 1 2 3 4
0 2 4 6 8
0 3 6 9 12
* 0 1 2 3 4 =

5. 3. Index/Mask array
>>> a = numpy.array([1,-2,3,-4,-5])
array([ 1, -2, 3, -4, -5])
>>> bool = a<0
array([False, True, False, True, True], dtype=bool)
>>> a[bool]
array([-2, -4, -5])
>>> index = numpy.where(bool)
(array([1, 3, 4]),)
>>> a[index]
array([-2, -4, -5])
>>> a[a<0] = 0
>>> a
array([1, 0, 3, 0, 0])
（初期のNumpyにはなかった機能）

6. 機能比較
Numpy NMatrix 旧NArray 新NArray
Slice View ○ ○ × ○
Broadcasting ○ ×(dotのみ) ○ ○
Index/Mask ○ × ○ ○
1.0 * a ○ × ○ ○

7. 雑感
• NMatrixは、多次元配列としては機能不足。しかし、
疎行列機能がある点は優位。
• NArray旧版は、ありがたいことにいろいろなところ
で使われているが、捨てて新しい方に移りたい…
• NArray新版は、
• 基本的な部分はほぼできている。
• モジュール名をつけたいが、名前が決まらない…
• 細かい実装で気になる部分は多数。
• 整理・リファクタリングも必要。