配列のスライスとインデックス指定
多次元配列に対して整数表記とスライス表記を使い、個々の要素、行、列、部分配列を選択します。
「配列のスライスとインデックス指定」はCoddyKit上の無料Pandas & NumPy Academyレッスンです。 これはレッスン4/4です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはPandas & NumPy Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 Pandas & NumPy Academyコースには全4レッスンが含まれています。
1次元配列の整数インデックス
1次元配列はリストと同じようにインデックス指定できます。a[0]は最初の要素、a[-1]は最後の要素です。インデックス指定の結果は1つのスカラーになり、負の数は末尾から数えます。
import numpy as np
a = np.array([10, 20, 30, 40, 50])
print(a[0]) # 10
print(a[-1]) # 50
print(a[2]) # 301次元配列をスライスする
スライスにはリストと同じようにstart:stop:stepを使いますが、NumPyのスライスはビューを返し、コピーを作りません。スライスを変更すると元の配列も変わるため、必要に応じて.copy()を使ってください。
import numpy as np
a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9]
print(a[2:7]) # [2 3 4 5 6]
print(a[::2]) # [0 2 4 6 8]
print(a[::-1]) # [9 8 7 6 5 4 3 2 1 0]2次元配列のインデックス指定
2次元配列では、コンマ構文a[row, col]を使います。単独のコロンはその軸のすべてを意味するため、a[0, :]は行全体を、a[:, 1]は列全体を取得します。
import numpy as np
m = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
print(m[1, 2]) # 6 (row 1, col 2)
print(m[0, :]) # [1 2 3] first row
print(m[:, 1]) # [2 5 8] second column2次元配列をスライスする
2つのスライスを指定すると、長方形のブロックを取得できます。a[0:2, 1:3]は指定した行と列を取り出します。結果はビューなので、変更は元の配列に反映されます。
import numpy as np
m = np.arange(16).reshape(4, 4)
print(m)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]
# [12 13 14 15]]
print(m[1:3, 1:3])
# [[ 5 6]
# [ 9 10]]ブールインデックス
ブール配列を渡すと、Trueが付いた要素だけを残せます。このブールインデックスは必ずコピーを返し、データのフィルタリングに標準的に使われます。
import numpy as np
a = np.array([3, 7, 2, 9, 1, 6])
mask = a > 4
print(mask) # [False True False True False True]
print(a[mask]) # [7 9 6]
# Equivalent one-liner
print(a[a > 4]) # [7 9 6]整数配列によるファンシーインデックス
ファンシーインデックスを使うと、整数のリストで任意の位置の要素を選択できます。順序を自由に指定でき、同じ要素を繰り返すこともできます。結果は必ずコピーです。
import numpy as np
a = np.array([10, 20, 30, 40, 50])
idx = [4, 1, 3]
print(a[idx]) # [50 20 40]
# Selecting specific rows from a 2D array
m = np.arange(20).reshape(4, 5)
print(m[[0, 2], :]) # rows 0 and 2条件選択に使うnp.where
np.where(condition, x, y)は、conditionがTrueの位置ではxから、Falseの位置ではyから値を選びます。ループを使わず要素ごとに値を選べる高速な方法です。
import numpy as np
a = np.array([5, -3, 8, -1, 2])
result = np.where(a > 0, a, 0) # keep positives, zero negatives
print(result) # [5 0 8 0 2]
# np.where with one argument returns indices of True elements
idx = np.where(a > 0)
print(idx) # (array([0, 2, 4]),)スライスはビュー：注意点
注意してください。スライスはビューなので、スライスを編集すると元の配列も編集されます。独立したデータが必要な場合は、先にスライスへ.copy()を呼び出してください。⚠️
import numpy as np
original = np.arange(6)
view = original[2:5] # view, not copy
view[:] = 99
print(original) # [ 0 1 99 99 99 5] -- original changed!
safe = original[2:5].copy() # true copy
safe[:] = 0
print(original) # [ 0 1 99 99 99 5] -- unchanged3次元配列のインデックス指定
配列の次元数に制限はありません。3次元配列では、a[depth, row, col]のように3つの位置を指定します。画像のバッチを扱うときによく使われます。
import numpy as np
t = np.arange(24).reshape(2, 3, 4)
print(t.shape) # (2, 3, 4)
print(t[0, :, :]) # first 'plane' -- shape (3, 4)
print(t[1, 2, 3]) # scalar at depth 1, row 2, col 3インデックス指定による値の代入
スライス、マスク、ファンシーインデックスなど、どの形式のインデックス指定も=の左辺で使えば、値をその場で変更できます。スカラーを代入すると、NumPyがすべての位置に展開します。
import numpy as np
a = np.zeros(8)
a[2:5] = 1.0 # slice assignment
print(a) # [0. 0. 1. 1. 1. 0. 0. 0.]
a[a == 0] = -1.0 # boolean assignment
print(a) # [-1. -1. 1. 1. 1. -1. -1. -1.]Ellipsisとnp.newaxis
np.newaxis（またはNone）はサイズ1の軸を追加します。(5,)の配列を(5, 1)の列ベクトルに変換でき、ブロードキャストの前準備としてよく使われます。
import numpy as np
t = np.ones((2, 3, 4))
print(t[..., 0].shape) # (2, 3) -- last axis fixed at 0
a = np.array([1, 2, 3])
print(a.shape) # (3,)
print(a[:, np.newaxis].shape) # (3, 1) column vector確認問題
このレッスンで学んだNumPy配列のスライスとインデックス指定について、理解度を確認しましょう。
レッスンのまとめ
よくできました！スライスはビューでメモリを共有し、ブールインデックスはフィルタリングしてコピーを作り、ファンシーインデックスは指定した任意の要素を取得します。次はユニバーサル関数です。
AI チューターと学ぶ Python — 無料
ブラウザでリアルコードを書いて実行し、24/7 の AI チューターから瞬時にサポートを受け、ウェブまたはアプリで続きから学習できます。
- コース
- 30
- レッスン
- 120
よくある質問
「配列のスライスとインデックス指定」レッスンは無料ですか？
はい。「配列のスライスとインデックス指定」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、Pandas & NumPy Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 Pandas & NumPy Academyコースには全4レッスンが含まれています。
「配列のスライスとインデックス指定」で何を学びますか？
多次元配列に対して整数表記とスライス表記を使い、個々の要素、行、列、部分配列を選択します。 ブラウザで直接実行するハンズオンコードでPandas & NumPy Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。
Pandas & NumPy Academyを始めるのに経験は必要ですか？
事前経験は必要ありません。CoddyKitのPandas & NumPy Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン4/4です。
「配列のスライスとインデックス指定」レッスンにはどのくらい時間がかかりますか？
ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。
このPandas & NumPy Academyレッスンでコードを書いて実行できますか？
はい。すべてのPandas & NumPy Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。
このコースのすべてのレッスン
- NumPy配列の作成
- 配列の属性と確認
- 要素単位の算術演算
- 配列のスライスとインデックス指定