SciPy入門：NumPyとの違いを理解しよう

Pythonでデータ分析や科学技術計算を学び始めると、必ず出会うのが SciPy（サイパイ） というライブラリです。

「NumPyは聞いたことあるけど、SciPyって何が違うの？」と感じている方も多いのではないでしょうか。

SciPy（Scientific Python の略） は、科学技術計算のためのPythonライブラリです。

統計分析、最適化、信号処理、線形代数など、高度な数学的処理を簡単に行うための関数がたくさん詰まっています。

ひとことで言えば、SciPyは 「科学や分析のための高機能ツールボックス」 です。

今回は、SciPyとは何か、NumPyとの関係や違い、そしてSciPyに含まれる主要なモジュール（機能のまとまり）について簡単に解説します。

Contents

NumPyとSciPyの関係

NumPyとSciPyは、よく一緒に使われますが、役割が異なります。

NumPyは、数値計算の「土台」 となるライブラリです。主な機能は以下のとおりです。

たとえるなら、NumPyは 「基本的な工具セット（ドライバー、ペンチ、ハンマーなど）」 です。

SciPyは、NumPyの上に構築された 「専門的な道具」 です。NumPyだけではカバーしきれない、より高度で専門的な計算機能を提供します。

たとえるなら、SciPyは 「専門工具セット（電動ドリル、レーザー水準器、精密測定器など）」 です。

つまり、SciPyを使うにはNumPyも必要 です。

SciPyのインストールはとても簡単です。

ターミナル（コマンドを入力する画面）で以下のコマンドを実行するだけです。

pip install scipy

pip とは、Pythonのライブラリをインストールするためのツールです。このコマンドを実行すると、SciPyだけでなく、NumPyもインストールされます。

Anaconda（アナコンダ）という環境を使っている方は、最初からSciPyがインストールされているので、追加作業は不要です。

SciPyには、目的ごとに整理された モジュール（機能のまとまり） がたくさんあります。

ここでは、データサイエンティストを目指す方がよく使う代表的なモジュールを紹介します。

最初のうちは、すべてを覚える必要はありません。

特に scipy.stats（統計処理）と scipy.optimize（最適化）は、データサイエンスで頻繁に使う ので、この2つから覚えていくのがおすすめです。

最後に、SciPyの雰囲気をつかむために、簡単なコードを実行してみましょう。

ここでは、scipy.stats モジュールを使って、データの基本統計量（データの特徴を表す数値）を一度に計算します。

以下、コードです。

from scipy import stats

# テストの点数データ（5人分）
scores = [65, 78, 82, 90, 73]

# 基本統計量をまとめて計算
result = stats.describe(scores)

print(result)

このコードの意味を1行ずつ説明します。

以下、実行結果です。

DescribeResult(
	nobs=5, 
	minmax=(65, 90), 
	mean=77.6, 
	variance=88.3, 
	skewness=-0.03565363310017411, 
	kurtosis=-1.0092440703921697
)

それぞれの項目の意味は以下のとおりです。

たった数行のコードで、データの特徴を一度に把握できるのがSciPyの魅力です。

この記事のポイントを振り返りましょう。

SciPy は、科学技術計算のためのPythonライブラリ
NumPyが基礎 で、SciPyはその上に構築された専門ツール
SciPyには目的別のモジュールがあり、特に scipy.stats（統計） と scipy.optimize（最適化） がデータサイエンスで重要
pip install scipy で簡単にインストールできる
stats.describe() を使えば、基本統計量を一発で計算できる

次回は、scipy.stats をさらに深掘りし、データの基本統計量をもっと詳しく分析する方法 を紹介します。