NumPy配列の賢い比較：要素ごとの比較から浮動小数点数の扱いの秘訣まで

NumPyは科学計算で広く使われるPythonライブラリであり、その中心であるndarrayは効率的な配列操作を可能にします。データの比較は、データ分析や機械学習において不可欠な操作ですが、NumPy配列の比較にはPythonの標準的な比較とは異なる、いくつかの重要なポイントがあります。

この記事では、NumPy配列の要素ごとの比較に焦点を当て、比較演算子の使い方から、浮動小数点数の比較に特化したnp.allcloseやnp.iscloseまで、その賢い活用法を解説します。

NumPy配列の要素ごとの比較演算子

NumPy配列に対して==や>、<などの比較演算子を使用すると、配列全体の比較ではなく、要素ごとの比較が行われ、結果としてブール値の配列（真偽値の配列）が返されます。

基本的な比較

2つの配列が同じ形状である場合、対応する要素が比較されます。

import numpy as np

arr1 = np.array([1, 2, 3, 4, 5])
arr2 = np.array([1, 3, 2, 4, 6])

# 要素ごとの等価性チェック
print(f"arr1 == arr2: {arr1 == arr2}") # [ True False False  True False]

# 要素ごとの大小比較
print(f"arr1 > arr2: {arr1 > arr2}")   # [False False  True False False]

異なる形状の配列を比較しようとすると、ブロードキャストルールが適用されます。ブロードキャストできない場合はエラーが発生します。

スカラーとの比較

配列とスカラー値を比較することもできます。この場合、スカラー値が配列の全要素と比較されます。

import numpy as np

arr = np.array([10, 20, 30, 40, 50])

# 各要素が30以上か？
print(f"arr >= 30: {arr >= 30}") # [False False  True  True  True]

比較結果の集約：np.all()とnp.any()

要素ごとの比較結果として得られたブール値配列を、単一の真偽値に集約したい場合があります。これにはnp.all()とnp.any()が便利です。

np.all(): 全てが真か？

np.all()は、ブール値配列の全ての要素がTrueである場合にTrueを返します。

import numpy as np

arr1 = np.array([1, 2, 3])
arr2 = np.array([1, 2, 3])
arr3 = np.array([1, 2, 4])

print(f"arr1とarr2は完全に一致するか？: {np.all(arr1 == arr2)}") # True
print(f"arr1とarr3は完全に一致するか？: {np.all(arr1 == arr3)}") # False

np.any(): いずれかが真か？

np.any()は、ブール値配列のいずれかの要素がTrueである場合にTrueを返します。

import numpy as np

arr = np.array([True, False, False])
print(f"arrにTrueが含まれるか？: {np.any(arr)}") # True

arr_all_false = np.array([False, False])
print(f"arr_all_falseにTrueが含まれるか？: {np.all(arr_all_false)}") # False

浮動小数点数の比較：np.allcloseとnp.isclose

浮動小数点数を扱う場合、コンピュータ上での表現の限界から、厳密な==による比較は避けるべきです。例えば、$0.1+0.2$がちょうど$0.3$にならないようなケースがあります。このような場合、微小な誤差を許容して比較を行う必要があります。

np.isclose(): 要素ごとの近似比較

np.isclose()は、2つの配列の対応する要素が指定された許容誤差の範囲内にあるかどうかを要素ごとに判定し、ブール値配列を返します。

import numpy as np

a = np.array([0.1 + 0.2, 1.0])
b = np.array([0.3, 1.00000000001])

# デフォルトの許容誤差で比較
print(f"np.isclose(a, b): {np.isclose(a, b)}") # [ True  True]

# 厳しめの許容誤差で比較 (rtolとatolで調整)
print(f"np.isclose(a, b, atol=1e-12): {np.isclose(a, b, atol=1e-12)}") # [ True False]

• rtol (relative tolerance): 許容する相対誤差。

• atol (absolute tolerance): 許容する絶対誤差。

これらのパラメータを調整することで、比較の厳密さを制御できます。

np.allclose(): 全体的な近似一致

np.allclose()は、np.isclose()の要素ごとの結果をnp.all()で集約したような関数です。2つの配列の全ての要素が、指定された許容誤差の範囲内で近似的に等しい場合にTrueを返します。

import numpy as np

a = np.array([0.1 + 0.2, 1.0])
b = np.array([0.3, 1.00000000001])

print(f"np.allclose(a, b): {np.allclose(a, b)}") # True

c = np.array([0.300001, 1.0])
print(f"np.allclose(a, c): {np.allclose(a, c)}") # False (デフォルトの許容誤差ではFalse)
print(f"np.allclose(a, c, atol=1e-5): {np.allclose(a, c, atol=1e-5)}") # True (atloを調整するとTrue)

np.allclose()は、特にテストコードなどで、浮動小数点計算の結果が期待値と十分に近似しているかを確認する際によく利用されます。

まとめ

NumPy配列の比較は、単に==を使うだけではありません。整数や厳密な比較には比較演算子とnp.all()・np.any()を、そして浮動小数点数の近似比較にはnp.isclose()やnp.allclose()を使い分けることが重要です。

これらの比較機能をマスターすることで、NumPyを使ったデータ分析や数値計算の精度と信頼性を大幅に向上させることができます。ぜひあなたのコードにこれらのテクニックを取り入れてみてください！