機械学習とデータ処理に必須の外部ライブラリ

　ここでは、外部ライブラリのうち、分析を行う前の「データ処理」の部分で最も頻繁に利用するものを紹介します。なお、機械学習におけるデータ処理の大切さについては、こちらの記事を参照してください。

NumPy
　NumPyは、多次元配列データを高速に演算することを得意とするライブラリです。ビッグデータを処理する上で演算速度は重要です。画像処理や機械学習の高度なアルゴリズムの多くは、仕様上、入力データをいったんNumPyの配列に変換し、それを引数として受け取ることが前提となっています。

Pandas
　Pandasは表形式データの処理に特化したライブラリです。分析対象となるデータの多くは表形式データ（構造化データ）です。皆さんがよく使うExcel、CSV、SQL型データベースなどが典型例です。Pandasには表形式のデータを柔軟に処理するための機能が豊富にそろっています。以下は、その一例です。


Matplotlib
　Matplotlibは、データを可視化するためのライブラリです。分析プロセスの中で、データを効果的に「見える化」することによって、データの特徴、傾向、問題点などを把握でき、分析手法を的確に選べることができます。ヒストグラム、折れ線グラフ、円グラフ、散布図など多様な表現が可能で、書式設定に対するカスタマイズ性も優れています。

機械学習の実装と直接関わるライブラリ
　上記以外に、機械学習を実装するときに使うPythonのオープンソースのライブラリもあります。代表的なものがscikit-learnです。

　scikit-learnは開発が活発に行われているため、改善が高速に進み、サンプルコードやサンプルデータがウェブ上で数多く見つかります。そのため、scikit-learnをインストールすれば、すぐに機械学習を体験することができます。さまざまな種類の機械学習の手法が存在する中で、どのアルゴリズムも似たような記述で利用可能であることも、scikit-learnの大きなメリットといえます。

　機械学習の一種であるディープラーニングに関しても、Pythonのライブラリやフレームワークが充実しています。有名なものとして、TensorFlowやそのラッパーであるKeras、PyTorch、Chainer、Caffeなどが挙げられます。

外部ライブラリの使い方

　前編でもお伝えしたように、ライブラリを活用することで、Pythonのシンプルさを享受しながら裏ではデータを高速に処理できます。

　Pythonはスクリプト言語であるため、コンパイル言語に比べて処理速度が劣ります。しかし、Pythonのライブラリの多くはC言語やFortranなどの高速なコンパイル言語で記述されていますので、データ処理速度の心配は無用です。

　たとえば、数値演算は「ネイティブ」のPythonだけでもできますが、高速な言語で記述されたライブラリ（たとえばNumPy）を活用すると計算が格段に速くなります。ライブラリ利用者はPythonのコードの中でライブラリを呼び出すだけなので、C言語を意識する必要はありません。

ライブラリのimport
　ライブラリを使うためには、import文でメインプログラム中に呼び込みます。何通りかの書き方があります。典型的なパターンは以下です。


　コード中で頻繁に書くライブラリの名称は、importする際にエイリアス（略名）を宣言すると便利です。たとえば、次はNumPyをエイリアス「np」としてimportする例です。略名は慣習に従うことが多いです。


　以降では、前編で紹介した「Jupyter Notebook」に実装したコード例を交えて、NumPy、Pandas、Matplotlibのそれぞれの用途例を示します。

【次ページ】PandasとMatplotlibの使い方