はじめに
Pythonを学ぶ上で避けては通れない二次元配列の操作（初期化・参照・抽出・計算・転置） をまとめました。
(※numpyモジュールのインストールが必要。macの場合は、terminalからpip3 install numpyでインストール可能。windowsの場合は、こちらを参考に、、WindowsでPython3, numpy, pandas, matplotlibなどインストール)
基本的に以下のようなコードでコードと出力結果を記載します。
code = 'コード'
# 出力結果
リストの初期化
例として、２行３列[[0, 0, 0], [0, 0, 0]]の２次元配列を次の２通りの方法で作成する。
1. リスト内包表記を使って二次元配列を作る
a = [[0 for j in range(3)] for i in range(2)]
print(a)
# [[0, 0, 0], [0, 0, 0]]
a[0][0] = 1
print(a)
# [[1, 0, 0], [0, 0, 0]]
2. numpyモジュールを使って二次元配列を作る
import numpy as np
a = np.zeros((2, 3))
print(a)
# [[0, 0, 0],
# [0, 0, 0]]
print(a)
a[0][0] = 1
# [[1, 0, 0],
# [0, 0, 0]]
一次元の配列を二次元に変換
例：0~5までの数字を2行3列の二次元配列に代入する場合
(※-1を使うとその次元のサイズは他の次元から自動的に算出される。)
import numpy as np
#0~5までの配列を自動生成
a = np.arange(6)
print(a)
# [0 1 2 3 4 5]
#一次元配列aを二次元配列に変換
print(a.reshape(2, 3))
# [[0 1 2]
# [3 4 5]]
print(a.reshape(-1, 3))
# [[0 1 2]
# [3 4 5]]
print(a.reshape(2, -1))
# [[0 1 2]
# [3 4 5]]
範囲を指定してアクセスする
範囲を指定してアクセスする場合は、X[start:end:step]のように指定する。
このときendは含まれないので注意が必要。(Matlabではendは含まれる。）
startを省略すると最初からになり、endを省略すると最後までになり、stepを省略するとstepが1になる。
多次元の場合は、カンマ（,）で区切ってそれぞれを指定する。指定の仕方は一次元の時と同じ。
import numpy as np
a = np.arange(12).reshape(3, 4)
print(a)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
#a[行の範囲, 列の範囲]
print(a[:3, 1:3])
# [[1 2]
# [5 6]
# [9, 10]
print(a[:, 1])
# [[1]
# [5]
# [9]]
条件を満たすデータを取り出す
import numpy as np
a = np.arange(12).reshape(3, 4)
print(a)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
#条件を満たす箇所がTrue,満たさない箇所がFalseとなるnumpy arrayが返される。
print(a > 5)
# [[False False False False]
# [False False True True]
# [ True True True True]]
#条件を満たす箇所の値が返される。
print( a[a > 5] )
# [ 6 7 8 9 10 11]
各列・各行の最大値を求める
第二引数axisを指定すると、各軸に沿って最大値となるインデックスが返される。
例えばaxis=0とすると各列ごとの最大値の行番号が返される。各列の最大値そのものはnp.max()でaxis=0とすると得られる。(axis=1とすると行ごとの最大値の列番号が返される。)
import numpy as np
a = np.array([[20, 50, 30], [60, 40, 10]])
print(a)
# [[20 50 30]
# [60 40 10]]
#axis=1とすると列ごとの最大値の列番号が返される。
print(np.argmax(a, axis=0))
# [1 0 0]
#列ごとの最大値
print(np.max(a, axis=0))
# [60 50 30]
#同様にaxis=1とすると行ごとの最大値の列番号が返される。
print(np.argmax(a, axis=1))
# [1 0]
#行ごとの最大値
print(np.max(a, axis=1))
# [50 60]
同様に以下の応用が可能である。
・numpy.sum(): 合計
・numpy.mean(): 平均
・numpy.min(): 最小 / numpy.max(): 最大
・そのほか（numpy.std(): 標準偏差 / numpy.var(): 分散など）
二次元配列（行列）の転置
T属性（.T）
T属性で元の二次元配列（行列）の転置行列を取得できる。
import numpy as np
import numpy as np
a = np.arange(6).reshape(2, 3)
print(a)
# [[0 1 2]
# [3 4 5]]
a_T = a.T
print(a_T)
# [[0 3]
# [1 4]
# [2 5]]
・T属性が返すのは元の配列のビュー（参照）であり、いずれかの要素を変更するともう一方の要素も変更される。
・2つのndarrayが同じメモリのデータを参照している（片方がもう片方のビューである）かどうかはnp.shares_memory()で確認できる。
print(np.shares_memory(a, a_T))
# True
a_T[0, 1] = 100
print(a_T)
# [[ 0 100]
# [ 1 4]
# [ 2 5]]
print(a)
# [[ 0 1 2]
# [100 4 5]]
別々のデータとして処理したい場合はcopy()でコピーを作成する。
a_T_copy = a.T.copy()
print(a_T_copy)
# [[0 3]
# [1 4]
# [2 5]]
print(np.shares_memory(a, a_T_copy))
# False
a_T_copy[0, 1] = 100
print(a_T_copy)
# [[ 0 100]
# [ 1 4]
# [ 2 5]]
print(a)
# [[0 1 2]
# [3 4 5]]
最後に
Python入門としておすすめの参考書をピックアップしました。
君もPythonマスターになろう!!
実践力を身につける Pythonの教科書
よくわかるPython入門