数値計算や大規模なデータ処理を行っていると、Pythonの実行速度、特に「for文の遅さ」に悩まされることはありませんか？NumPyのベクトル演算で工夫するのも限界がある……そんなときに頼りになるのが、JIT（Just-In-Time）コンパイラを提供するライブラリ「Numba」です。
今回は、関数にデコレータをひとつ添えるだけで圧倒的なパフォーマンスを引き出せるNumbaの魅力と使い方についてご紹介します。
Numbaの概要
Numbaは、PythonやNumPyのコードを実行時（JIT: Just-In-Time）にネイティブな機械語へとコンパイルしてくれるオープンソースのライブラリです。
通常、Pythonはインタープリタとしてコードを1行ずつ解釈しながら実行するため、特にネストの深いループ処理などでオーバーヘッドが大きくなります。NumbaはLLVMコンパイラ基盤を利用して、実行時に関数の型を推論し、最適化されたマシンコードを生成します。これにより、C言語やFortranに匹敵する実行速度を実現できるのです。
「Pythonは遅いから……」と諦めていた重い計算も、C言語などで書き直すことなくそのまま高速化できるのが本当に心強いですね。
Numbaを導入するメリット
1. デコレータを追加するだけの圧倒的な手軽さ
C言語での拡張モジュール作成やCythonのような事前のビルド作業は不要です。既存のPython関数に @njit を付けるだけで高速化の恩恵を受けられます。
2. Pythonのループ処理が劇的に速くなる
NumPyでは敬遠されがちな多重ループ処理も、Numbaを通せば高速に処理されます。アルゴリズムを愚直なループ構文のまま実装できるため、可読性も保たれます。
3. マルチスレッド（並列処理）やGPUのサポート
引数に parallel=True を指定して prange を使うだけで、簡単にマルチコアCPUの性能を引き出した並列計算が可能です。さらに、CUDAを利用したGPUコンピューティングにも対応しています。
サンプルコードで効果を実感しよう
それでは、モンテカルロ法を用いて円周率（π）の近似値を計算するコードで、その効果を確かめてみましょう。
pip install numpy numbaimport time
import numpy as np
from numba import njit
# 通常のPython関数
def calculate_pi_python(n_samples):
acc = 0
for _ in range(n_samples):
x = np.random.random()
y = np.random.random()
if x**2 + y**2 <= 1.0:
acc += 1
return 4.0 * acc / n_samples
# NumbaでJITコンパイルする関数
@njit
def calculate_pi_numba(n_samples):
acc = 0
for _ in range(n_samples):
x = np.random.random()
y = np.random.random()
if x**2 + y**2 <= 1.0:
acc += 1
return 4.0 * acc / n_samples
n = 10_000_000
# 1. 通常のPython実行
start = time.perf_counter()
pi_py = calculate_pi_python(n)
time_py = time.perf_counter() - start
print(f"Python: {time_py:.4f} 秒 (結果: {pi_py})")
# 2. Numba初回実行（コンパイル時間が含まれます）
start = time.perf_counter()
pi_nb_first = calculate_pi_numba(n)
time_nb_first = time.perf_counter() - start
print(f"Numba (初回): {time_nb_first:.4f} 秒")
# 3. Numba2回目実行（コンパイル済みの機械語を実行）
start = time.perf_counter()
pi_nb_second = calculate_pi_numba(n)
time_nb_second = time.perf_counter() - start
print(f"Numba (2回目): {time_nb_second:.4f} 秒")初回呼び出し時にはJITコンパイルが走るため少し時間がかかりますが、2回目以降の呼び出しでは純粋な機械語コードが動くので驚くほど一瞬で終了しますよ！
Python: 6.0322 秒 (結果: 3.1408292)
Numba (初回): 0.3964 秒
Numba (2回目): 0.1187 秒みーちゃんのワンポイント
Numbaの真価を引き出すには、Pythonオブジェクトを介さず機械語のみで実行する「nopythonモード」（@njit）での運用が基本です。ただし、PandasのDataFrameや自作クラスなど、サポート外のオブジェクトを関数内で扱うとコンパイルエラーになるため、数値計算に特化した配列データ（NumPy配列やプリミティブ型）の処理に絞って適用するのがコツですよ。
