PandasからNumPy配列へ変換する方法：to_numpyの使い方と高速化のポイントを解説

データ分析の現場において、Pandasはデータの蓄積や加工を行うための中心的なライブラリとして君臨しています。

一方で、機械学習のモデル構築や高度な科学技術計算を行う際には、計算効率の観点からNumPy配列（ndarray）への変換が求められる場面が多々あります。

2026年現在のデータサイエンスエコシステムにおいても、Pandasで前処理を行い、NumPy形式でアルゴリズムに投入するという流れは依然として標準的なワークフローです。

本記事では、Pandasのオブジェクトを効率的かつ安全にNumPy配列へ変換するための決定版と言えるto_numpyメソッドを中心に、その詳細な使い方を解説します。

パフォーマンスを最適化するための引数の指定方法や、メモリ管理上の注意点についても深く掘り下げていきます。

なぜPandasからNumPy配列への変換が必要なのか

PandasのDataFrameやSeriesは、内部的にNumPyの配列構造を保持していますが、独自のインデックスやメタ情報を持っています。

Scikit-learnやPyTorch、TensorFlowといった主要なライブラリの多くは、入力データとしてNumPyのndarrayを想定して設計されています。

Pandasオブジェクトのままデータを渡すと、ライブラリ内部で自動的に変換が行われることもありますが、明示的に変換することで予期せぬエラーを未然に防ぐことが可能です。

また、大規模なデータセットに対して複雑な数学的演算を適用する場合、Pandasのオーバーヘッドを避けてNumPyのベクトル演算を直接利用する方が高速になるケースが少なくありません。

特にリアルタイム性が求められる推論システムや、膨大な反復計算を行うシミュレーションでは、この変換プロセスがボトルネックにならないよう注意を払う必要があります。

データの形式をNumPyに統一することで、アルゴリズムの実行効率とコードの可搬性を同時に高めることができるのです。

to_numpyメソッドの基本的な使い方

現在のPandasにおいて、データをNumPy配列に変換する最も推奨される方法はto_numpyメソッドを使用することです。

かつてはas_matrix()やvalues属性が頻繁に使われていましたが、現在では一貫性と機能性の観点からto_numpyの利用がデファクトスタンダードとなっています。

まずは、最もシンプルなSeries（1次元データ）からの変換例を見てみましょう。

import pandas as pd
import numpy as np

# サンプルのSeriesを作成
s = pd.Series([10, 20, 30, 40, 50], name="sample_data")

# to_numpyメソッドを使用して変換
array_from_series = s.to_numpy()

print(f"変換後の型: {type(array_from_series)}")
print(f"配列の内容: {array_from_series}")

変換後の型: <class 'numpy.ndarray'>
配列の内容: [10 20 30 40 50]

次に、DataFrame（2次元データ）を変換する場合の挙動を確認します。

DataFrameを変換すると、行と列の構造が維持された2次元のndarrayが生成されます。

# サンプルのDataFrameを作成
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4.5, 5.5, 6.5],
    'C': [7, 8, 9]
})

# DataFrameをNumPy配列に変換
array_from_df = df.to_numpy()

print("変換後の配列:")
print(array_from_df)
print(f"配列の形状: {array_from_df.shape}")

変換後の配列:
[[1.  4.5 7. ]
 [2.  5.5 8. ]
 [3.  6.5 9. ]]
配列の形状: (3, 3)

このように、to_numpyを呼び出すだけで直感的に変換が行われることがわかります。

to_numpyで制御できる主要な引数

to_numpyメソッドには、変換時の挙動を細かく制御するための重要な引数がいくつか存在します。

これらを適切に使い分けることで、メモリ消費の抑制やデータ型の厳密な管理が可能になります。

dtype引数によるデータ型の指定

デフォルトでは、Pandasは元のデータの型を維持しようとしますが、必要に応じてNumPy側での型を明示的に指定できます。

例えば、メモリ節約のために浮動小数点数を64ビットから32ビットに変更したい場合に有効です。

# float32型を指定して変換
array_f32 = df.to_numpy(dtype='float32')

print(f"指定後のdtype: {array_f32.dtype}")

指定後のdtype: float32

copy引数とメモリ効率

copy引数は、新しい配列を作成する際にデータをコピーするか、元のデータのビュー（参照）を返すかを制御します。

デフォルトはFalseですが、必ずしも常にコピーが発生しないわけではない点に注意が必要です。 データ型が混在しているDataFrameなどの場合、NumPy配列は単一の型しか持てないため、必然的に新しいメモリ空間へのコピー（キャスト）が発生します。

逆に、データ型が均一な場合はcopy=Falseを指定することで、余計なメモリ消費を抑えつつ高速に変換処理を終えることができます。

values属性とto_numpyの決定的な違い

以前のコードベースでは、df.valuesという記述をよく見かけますが、現代的なPython開発ではto_numpyが推奨されます。

values属性は、データの内部表現に直接アクセスしようとするため、データの不整合や予期せぬ挙動を招くリスクが指摘されてきました。

以下の表に、両者の主な違いをまとめました。

特に2026年現在のPandasバージョンでは、新しいデータ型（Extension Types）への対応が強化されており、それらを安全に処理できるto_numpyの使用が不可欠です。

混在データ型（Mixed dtypes）の扱いと注意点

PandasのDataFrameは列ごとに異なるデータ型を持つことができますが、NumPyの配列は原則として全要素が同一の型でなければなりません。

数値型と文字列型が混在しているDataFrameを変換しようとすると、NumPyは全ての要素を表現できる共通の型としてobject型を選択します。

# 異なる型が混在するDataFrame
df_mixed = pd.DataFrame({
    'ID': [101, 102],
    'Name': ['Alice', 'Bob'],
    'Score': [95.5, 88.0]
})

# 変換を実行
array_mixed = df_mixed.to_numpy()

print(f"混在データのdtype: {array_mixed.dtype}")
print(array_mixed)

混在データのdtype: object
[[101 'Alice' 95.5]
 [102 'Bob' 88.0]]

object型の配列は、数値計算におけるパフォーマンスが著しく低下するため注意が必要です。 このような場合は、NumPyに変換する前に必要な列だけを抽出するか、あらかじめ適切な数値型に変換しておくことが推奨されます。

欠損値（NaN）が含まれる場合の挙動

Pandasでは欠損値をNaN（Not a Number）として扱いますが、NumPy配列への変換時もこの特性は維持されます。

ただし、整数型のデータに欠損値が含まれている場合、Pandasは内部的に浮動小数点数型にアップキャストして保持することが一般的です。

この挙動を理解していないと、NumPy変換後に整数として計算しようとした際にエラーや精度の問題が発生する可能性があります。

# 欠損値を含む整数列（PandasのInt64型を使用）
s_nan = pd.Series([1, 2, None], dtype="Int64")

# NumPyへ変換
array_nan = s_nan.to_numpy(dtype="float64")

print(f"欠損値を含む配列: {array_nan}")

欠損値を含む配列: [ 1.  2. nan]

最近のPandasでは、独自のpd.NAという欠損値インジケータも導入されていますが、NumPyに変換する際は従来のnp.nanに変換されるか、あるいは変換エラーを防ぐために明示的なフィル処理（fillna）が必要になることも覚えておきましょう。

高速化のためのポイント：メモリレイアウトの意識

大規模なデータを扱う場合、NumPy配列の「メモリ上の並び順」が計算速度に大きな影響を与えます。

NumPyには、C言語スタイルの「行優先（C-order）」と、Fortranスタイルの「列優先（F-order）」の2つのレイアウトがあります。

Pandasの内部データ構造は列ベース（Columnar）であることが多いため、変換時にどちらのレイアウトを選択するかで後続の処理スピードが変わります。

行列演算を多用する場合はC-orderが一般的ですが、特定の列に対する操作を繰り返す場合はF-orderの方がキャッシュ効率が良くなる場合があります。

to_numpy自体には直接オーダーを指定する引数はありませんが、変換後にnp.ascontiguousarray()やnp.asfortranarray()を使用して再配置することが可能です。

変換直後にメモリレイアウトを最適化しておくことで、その後の行列計算のパフォーマンスを数倍に引き上げることができるケースもあります。

実践例：機械学習パイプラインでの利用

実際の開発現場でよく見られる、PandasからNumPy配列を介して機械学習モデル（Scikit-learn）に渡す例を確認しましょう。

特徴量（X）とラベル（y）をそれぞれ適切な形状のNumPy配列として抽出することがポイントです。

# 学習用データの準備
data = pd.DataFrame({
    'feature1': [0.1, 0.5, 0.2, 0.8],
    'feature2': [1.2, 1.1, 1.5, 1.0],
    'target': [0, 1, 0, 1]
})

# 特徴量行列をfloat32のNumPy配列として抽出
X = data[['feature1', 'feature2']].to_numpy(dtype='float32')

# ターゲット（ラベル）を1次元配列として抽出
y = data['target'].to_numpy()

print(f"Xの形状: {X.shape}, 型: {X.dtype}")
print(f"yの形状: {y.shape}, 型: {y.dtype}")

Xの形状: (4, 2), 型: float32
yの形状: (4,), 型: int64

このように、明示的にto_numpyを呼び出すことで、モデルに入力されるデータの型と形状が保証され、デバッグもしやすくなります。

大規模データにおける「ゼロコピー」変換の模索

データのサイズが数GBを超えるような場合、メモリのコピーは致命的なパフォーマンス低下を招きます。

可能な限りコピーを発生させずにNumPy配列を取得するには、DataFrameの各列が同一の型であることを確認した上で、copy=Falseを試みるのが定石です。

ただし、Pandasの内部実装（BlockManagerなど）の都合上、複数の列を結合して一つのndarrayにする際には、どうしてもデータの再配置（コピー）が必要になることが多いのが現実です。

これを避ける極限の最適化手法として、Series.valuesやSeries.to_numpy()を個別に取得し、それらをビューのまま管理する設計も検討に値します。

しかし、通常の実務においては、コードの可読性と安全性を優先し、to_numpyによる明示的な変換を選択するのが最もバランスの良い判断と言えます。

まとめ

PandasからNumPy配列への変換は、データサイエンスのワークフローにおける橋渡しとなる重要なステップです。

2026年現在の標準的な手法であるto_numpyメソッドを活用することで、型指定やメモリコピーの制御を柔軟に行うことができます。

本記事で解説したポイントを振り返ると、以下の3点が特に重要です。

まず、values属性ではなく、より多機能で一貫性のあるto_numpyメソッドを優先的に使用すること。

次に、データ型が混在している場合はobject型への意図しない変換に注意し、必要に応じて事前にデータの抽出やキャストを行うこと。

そして、大規模なデータを扱う際には、copy引数や変換後のメモリレイアウトを意識してパフォーマンスを最適化することです。

これらのテクニックを適切に使い分けることで、Pandasの柔軟性とNumPyの高速性を最大限に引き出した効率的なデータ処理パイプラインを構築できるようになります。

日常的なデータ分析から、シビアな性能が求められる機械学習システムまで、本記事で紹介した変換手法をぜひ役立ててください。