はじめに

Pythonでデータ処理をしていると「条件を満たす要素の抽出」や「要素番号（インデックス）の取得」が必要になることがあります。このような操作では ブールマスク が非常に便利です。

本記事では、numpy と標準 list における ブールマスクの用法、および 要素番号の取得方法 について解説します。

よくある間違いやすい点 np.where を使う場合は、条件を満たす配列の要素番号が取得できるが、pixel==3 のようにブールマスクを使う場合は、True/False の numpy.array が返ってくるので、要素数は前者はカット後の要素数となり、後者は要素数は変わらないことに注意が必要。ただし、pixel[(pixel==3)] のようにブールカットをかけたらカット後の要素数になる。

1. ブールマスクとは？

ブールマスクは、条件に合う要素を True、それ以外を False とする ブール型配列 です。データ処理のフィルタリングや要素抽出に使います。

2. `numpy` におけるブールマスク

2.1 ブールマスクで要素を抽出する

numpy 配列では、ブールマスクを使って条件に合う要素を直接抽出できます。

import numpy as np

# サンプルデータ
data = np.array([0, 1, 2, 1, 3, 1, 4])

# 条件: 値が1に等しい要素を抽出
mask = (data == 1)  # ブールマスクの生成
filtered_data = data[mask]  # マスクを使って抽出

print("Boolean Mask:", mask)
print("Filtered Data:", filtered_data)

出力:

Boolean Mask: [False  True False  True False  True False]
Filtered Data: [1 1 1]

2.2 True の要素番号（インデックス）を取得する

np.nonzero() または np.where() を使います。

# True の要素番号を取得
indices = np.nonzero(mask)[0]
# または np.where を使う
indices_alt = np.where(mask)[0]

print("True Indices (nonzero):", indices)
print("True Indices (where):", indices_alt)

出力:

True Indices (nonzero): [1 3 5]
True Indices (where): [1 3 5]

2.3 多次元配列でのブールマスク

numpy では多次元配列にもブールマスクを適用できます。

data = np.array([[0, 1], [1, 0]])

# 条件: 値が1の要素
mask = (data == 1)

# True の位置を取得
indices = np.nonzero(mask)

print("True Indices (Row):", indices[0])  # 行インデックス
print("True Indices (Col):", indices[1])  # 列インデックス

出力:

True Indices (Row): [0 1]
True Indices (Col): [1 0]

3. Pythonリストにおけるブールマスクの用法

3.1 ブールマスクを使った要素抽出

Python標準 list では、numpy のようにブールマスクを直接適用することは できません。

data = [0, 1, 2, 1, 3, 1, 4]
mask = [False, True, False, True, False, True, False]

# これを実行するとエラーになる
# filtered_data = data[mask]  # TypeError

3.2 リスト内包表記を使った抽出

リストとブールマスクの要素を対応させるには、zip やリスト内包表記を使います。

# zip を使って条件に合う要素を抽出
filtered_data = [value for value, flag in zip(data, mask) if flag]

print("Filtered Data:", filtered_data)

出力:

Filtered Data: [1, 1, 1]

3.3 True の要素番号（インデックス）を取得する

リストでは enumerate() を使ってインデックスを取得します。

# True の要素番号を取得
indices = [i for i, flag in enumerate(mask) if flag]

print("True Indices:", indices)

出力:

True Indices: [1, 3, 5]

4. `itertools.compress` を使った簡潔なリスト処理

Python標準ライブラリの itertools.compress を使うと、ブールマスクをリストに適用できます。

from itertools import compress

data = [0, 1, 2, 1, 3, 1, 4]
mask = [False, True, False, True, False, True, False]

# compress を使って抽出
filtered_data = list(compress(data, mask))

print("Filtered Data:", filtered_data)

出力:

Filtered Data: [1, 1, 1]

5. 要素数の取得

pixel == 1 でブールマスクを作成した場合、np.sum(pixel == 1) で要素数が求められます。その理由は、ブール値 (True / False) が数値として扱われる ためです。

ブール値と数値の関係

Pythonでは、True と False は整数として扱われることがあります：

True は 1 として扱われる
False は 0 として扱われる

したがって、numpy 配列のブールマスクに対して np.sum() を適用すると、True の数を合計する動作になります。

具体例

以下の例で確認してみましょう：

import numpy as np

# サンプルデータ
pixel = np.array([0, 1, 2, 1, 3, 1, 4])

# ブールマスクの生成 (True: pixel == 1, False: otherwise)
mask = (pixel == 1)

print("Boolean Mask:", mask)

# True の要素数を計算
count = np.sum(mask)

print("Number of True Elements:", count)

出力:

Boolean Mask: [False  True False  True False  True False]
Number of True Elements: 3

動作の仕組み

pixel == 1
各要素に対して条件を評価し、True または False のブール型配列 (mask) を生成します。
```
[False, True, False, True, False, True, False]
```
np.sum(mask)
True が 1、False が 0 として数値扱いされるため、np.sum() は True の個数を合計します。
```
0 + 1 + 0 + 1 + 0 + 1 + 0 = 3
```

この性質を利用すれば、条件を満たす要素数を簡単に求めることができます。

6. `numpy` と `list` の比較まとめ

機能	`numpy`	Python `list`
ブールマスク適用	`data[mask]`	`zip` or `compress`
True の要素番号取得	`np.nonzero(mask)` / `np.where(mask)`	`enumerate()` を使う
多次元配列の対応	可能	非対応
処理速度	ベクトル化で高速	ループベースのため遅い(?)

まとめ

numpy ではブールマスクを直接使って要素の抽出や インデックス取得 が簡単にできます。
Pythonの標準 list ではブールマスクが直接適用できないため、zip や enumerate を活用する必要があります。
多次元配列 の場合は numpy 一択です。

データ処理の規模や用途に応じて、numpy と list を使い分けましょう！