np.prodとは？初心者にも分かる使い方と実例で学ぶ計算の基本共起語・同意語・対義語も併せて解説！

この記事を書いた人

高岡智則

年齢：33歳性別：男性職業：Webディレクター（兼ライティング・SNS運用担当）居住地：東京都杉並区・永福町の1LDKマンション出身地：神奈川県川崎市身長：176cm 体系：細身〜普通（最近ちょっとお腹が気になる）血液型：A型誕生日：1992年11月20日最終学歴：明治大学・情報コミュニケーション学部卒通勤：京王井の頭線で渋谷まで（通勤20分）家族構成：一人暮らし、実家には両親と2歳下の妹恋愛事情：独身。彼女は2年いない（本人は「忙しいだけ」と言い張る）

np.prodとは？

np.prodは、 NumPyというライブラリの中にある関数で、配列の全要素の積を計算して返します。np.prodの「prod」は product（積）の略です。

基本の使い方

まずは準備として、NumPyを読み込みます。import numpy as np そして配列を作成してみます。np.arrayで作った配列の全要素の積を求めるのが基本です。

arr = np.array([2, 3, 4])

np.prod(arr) は 24 を返します。

軸を指定して積を計算する

2次元以上の配列では axis を使います。 axis=None がデフォルトで、すべての要素を掛け合わせます。

例

mat = np.array([[1, 2], [3, 4]])

np.prod(mat) は 24 です

np.prod(mat, axis=0) は [3, 8]、np.prod(mat, axis=1) は [2,12] になります

データ型を指定する

dtype で結果の型を指定できます。

arr = np.array([1, 2, 3], dtype=np.int32)

np.prod(arr, dtype=np.int64) は 6 を int64 で返します

注意点

注意 np.prod は配列の全要素の積を計算するため、要素が大きいと桁が大きくなり、オーバーフローとなることがあります。

表で確認

項目	説明
np.prod	配列の全要素の積を返します。
axis	積を計算する軸を指定します。 Noneは全要素、0は列ごと、1は行ごとなど。
dtype	結果のデータ型を指定します。

まとめ: np.prod はデータ処理のときに、数値の総積を求めるのに便利な基本関数です。

np.prodの同意語

配列要素の積を返す関数: NumPy の np.prod は、配列内の全要素の積を計算して返します。axis を指定すると、その軸に沿った積を求められます。
配列の全要素の積を求める: 配列全体の要素を掛け合わせた積を返す、基本的な意味です。
要素の総積を計算する関数: すべての要素の積を計算する処理を指します。np.prod の核心機能です。
要素の積を求める関数: 配列のすべての要素を掛け合わせた結果を返します（総積を返す）。
全要素の積（総乗）を返す: 全要素の積、いわゆる総乗を返します。
総乗を計算する関数: 総乗（すべての値を掛け合わせた結果）を返します。
配列内の要素を掛け合わせた結果: 配列の全要素を掛け合わせた演算の結果を指します。
axisを指定して積を計算する関数: axis 引数で積を計算する軸を指定できる点を示します。
多次元配列の積を計算する関数: 多次元配列にも対応し、指定した軸に沿って積を求めます。
要素の積をリダクションする関数: 積の計算をリダクション操作として行うことを意味します。
NumPy の積演算を行う関数: NumPy で積を計算する代表的な関数としての位置づけを表します。
配列の総乗を求める関数: 全要素の積、いわゆる総乗を求める別名として使われます。

np.prodの対義語・反対語

np.sum: 意味: 配列の全要素を加算して和を求める関数。np.prodの対義語として最も自然な選択。 axisを指定して沿った和を計算したり、dtypeやkeepdimsといったオプションを使って集約結果を得ることができる。
np.cumsum: 意味: 累積和を計算する関数。配列を左から順に足していき、各位置までの和を要素として返す。np.prodの累積版的な対比として、和の連続演算を表現する際に使われることがある。
np.divide: 意味: 要素ごとに除算を行う関数。積の逆操作として、各要素を別の値で割ることで「割ることによる和の分解」を想定する場面で使われることがある。
np.reciprocal: 意味: 各要素の逆数を求める関数。積の逆元をとる操作として、np.prodの“反対側の操作”の代表例として挙げられる。
np.mean: 意味: 要素の平均値を求める関数。和を要素数で割って1つの値にまとめる集約演算で、積（np.prod）とは別種の代表的な集約操作。

np.prodの共起語

numpy: Pythonの数値計算ライブラリ。npはこのライブラリの省略名で、配列演算や数学的な処理の基盤になる。
np: NumPyモジュールの省略名。import numpy as np のように短く書くための別名。
array: NumPyの基本データ型である ndarray を作る時につかう集合的表現。リストやタプルから変換して扱う。
ndarray: NumPyの多次元配列データ型。要素を格納し、shape で次元とサイズを持つ。
axis: 配列の軸（次元）を指定する引数。axis=0 は列方向、axis=1 は行方向などに適用する。
dtype: 演算結果のデータ型を指定する引数。float64 や int32 など、結果の型を明示できる。
out: 演算結果を格納する出力用の配列を指定する引数。新しく配列を作らず結果を再利用できる。
keepdims: True を指定すると、演算後も元の軸を保持した形状になる。
where: 条件を満たす要素だけを対象に演算するためのフィルター。
prod: 配列内の全要素の積を計算する関数。np.prod は積を返す。
nanprod: 配列内のNaN を無視して積を計算する関数。
product: 積の意味を表す語。np.prod の説明でよく使われる。
array-like: リスト、タプル、ndarray のように“配列のような”データの総称。
ufunc: NumPyの基本演算関数の総称。np.prod も内部的には ufunc の一部として実装されている。
shape: 配列の次元の大きさを表す概念。axisを理解する上で基礎となる。
reductions: 集約処理の総称。sum や prod など、1つの値にデータを還元する演算の総称。
scalar: 演算結果が1つの値（スカラー）として返る場合がある概念。
broadcasting: 形状が異なる配列同士の演算を自動的に拡張して計算する NumPy の機構。
ブロードキャスト: ブロードキャストとも呼ばれ、形状が異なる配列同士の演算を自動的に拡張して実行する仕組み。
NaN: Not a Number の略。欠損値や未定義値を表す特別な数値で、積計算などに影響することがある。

np.prodの関連用語

NumPy: Pythonでの多次元配列計算を高速化するライブラリ。np.prodを含む多数の数値計算機能があります。
ndarray: NumPyの多次元配列オブジェクト。数値データを格納して演算を行う基本的なデータ構造です。
axis: 演算を適用する軸。axis=Noneなら全体、axis=0なら列方向、axis=1なら行方向に計算します。
cumprod: 累積積。各要素までの積を順番に計算して同じ形状の配列として返します。
keepdims: axisを指定して積を計算した後、元の配列の次元を保持するかどうか。
dtype: 演算結果のデータ型。整数・浮動小数点・複素数などに変更できます。
out: 演算結果を格納するための事前に用意した配列を指定します。
reduce: 複数の要素を1つの値に縮約する操作の総称。np.prodは積の縮約処理に相当します。
broadcasting: 異なる形状の配列同士で演算を行う際の自動的な形状拡張ルール。
ufunc: Universal Functionの略。NumPyでベクトル化計算を行う基本単位。np.prodは内部でmultiplyを使った縮約を行います。
multiply: 要素同士を掛け算する演算。np.prodの内部計算にも関係します。
sum: 総和を計算する演算。np.sumは積ではなく和を返します。
mean: データの平均値。np.meanで求められます。
Pythonのmath.prod: Python標準ライブラリのmathモジュールにある積を計算する関数。小規模なデータに便利です。
shape: 配列の次元数と各軸の長さを表す情報。np.prodを使う前後で理解しておきたい概念です。
reshape: 配列の形状を変更する操作。計算結果の形状を整えるのに役立ちます。
order: 配列のメモリ配置順序。C順（行優先）とFortran順（列優先）があり、演算性能に影響します。
where: 条件付きで演算を適用する機能。ufuncにはwhereがあり、特定の要素だけ計算したい場合に使います。
パフォーマンスのコツ: 大きな配列を扱う場合はaxisを活用して分割計算したり、dtypeを適切に選ぶと計算速度が向上します。