【python】多次元配列（ndarray)の扱い方

経済統計の使い方では、統計データの入手法から分析法まで解説しています。

【python】pythonのまとめ 経済統計の使い方では、統計データの入手法から分析法まで解説しています。 https://officekaisuiyoku.com...

変形

変形（reshape)

reshapeメソッドの基本：reshape((タプル))

1次元配列を2次元配列に変換したりすることを変形と呼び、reshapeメソッドを使います。タプルには、次元と要素数をしてします。2次元で2行3列の場合は、（２，３）となります。2行3列の場合は要素は６なので、1次元の場合は要素数が６以外の場合はエラーになります。

a=np.array([1,2,3,4,5,6]) #要素が6
b=a.reshape((2,3))
print(b)

出力

[[1 2 3]
 [4 5 6]]

2行3列の場合は要素は６なので、1次元の場合は要素数が６以外の場合はエラーになります。

a=np.array([1,2,3,4,5,6,7])　#要素が7
b=a.reshape((2,3))
print(b)

ValueError: cannot reshape array of size 7 into shape (2,3)

1次元化(ravel)

1次元化する場合はravelの場合は参照と同じで、もとのarrayaを変更すると新たに作ったarraybも変更されます。

a=np.array([[1,2,3],[4,5,6]]) 
b=a.ravel()
print(b)

a[1,1]=0
print(a)
print(b)

出力

[1 2 3 4 5 6]  <-最初のprint(b)

[[1 2 3]  <-変更後のa
 [4 0 6]]

[1 2 3 4 0 6]  <-連動してbも変わる

1次元化(flatten)

同じく1次元化する場合ですが、こちらの場合はコピーと同じで、もとのarrayaを変更しても新たに作ったarraybは変更されません。

a=np.array([[1,2,3],[4,5,6]]) 
b=a.flatten()
print(b)

a[1,1]=0
print(a)
print(b)

出力

[1 2 3 4 5 6]　<-最初のprint(b)

[[1 2 3]  <-変更後のa
 [4 0 6]]

[1 2 3 4 5 6] <-ｂは変更されない

インデックス

インデックスの基本式: ndarray[リスト]

arrayの要素をインデックスで表すことができます。インデックスは各要素にゼロから順番に番号を振ったものです。

1次元arrayのインデックス

arrayが[1,2,3]だとすると、インデックスは[0,1,2]です。インデックス０が１，インデックス１が２，インデックス２が３です。arrayをaとすると、a[1]=2となります。

a=array([1,2,3])
print(a[1])

出力

2

2次元arrayのインデックス

2次元arrayの場合も、行方向、列方向にゼロからインデックスが振られます。2次元のインデックスを作成すると値を指定できます。

a=np.array([[1,2,3],[4,5,6]]) 
print(a[1,1])

出力

5

2次元arrayに1次元のインデックスを使うと、a[1]　最初の行を選ぶことになります。

a=np.array([[1,2,3],[4,5,6]]) 
print(a[1])

出力

[4 5 6]

３次元arrayのインデックス

3次元の場合、3次元のインデックスなら値を2次元のインデックスなら行を1次元のインデックスなら層を指すことになります。

2行3列で2層の3次元配列は以下のようになります。インデックスは層（深さ）、行、列の順に指定します。

インデックスはゼロから振るので、a[0,1,1]は、1層目の２行２列目なので、５になります。

a=np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]) 
print(a[0,1,1])

出力

5

2次元のインデックスを指定すると、層、行、列のうち最初の2つである層と行を指定したことになります。a[0,1]の場合は1層目の2行目で、[4,5,6]になります。

a=np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]) 
print(a[0,1])

出力

[4 5 6]

3次元のインデックスを指定すると、層、行、列のうち最初の層を指定したことになります。

a[0]の場合は1層目なので、[[1 2 3][4 5 6]]を指定したことになります。

a=np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]) 
print(a[0])

出力

[[1 2 3]
 [4 5 6]]

スライス記法

スライス記法がarrayにも使えます。スライス記法は、:によって３つの部分に分けられます。a[開始位置:終了位置:間隔]です。a[:]のようにコロンが一つの場合が多いですが、２番目のコロンを省略しているためで、省略すると間隔は１になります。

データの代入

データの代入：インデックス：ndarray[リスト])=値

データを代入する場合は、インデックスで要素を指定し、その場所に新しい値を代入します。

参照とコピー

同じndarrayを作る場合、参照とコピーの2種類があります。

• 参照の場合は元のndarrayを変更すると新しいndarrayの値も変わる
• コピーの場合は、元のndarrayを変更してもコピーしたndarrayの値は変わらない

aが元データでｂが新たなデータとすると、参照の場合はb=aとし、コピーの場合はb=a.copy()メソッドを使います。

参照の場合は数値が連動

ndarrayであるaに対し、参照の形でbを作り、aの1つ目の要素を4に変えた場合です。bも連動して4に変わっていることがわかります。

a=np.array([3,4,5])
b=a
a[0]=4  #参照
print(a)
print(b)

出力

[4 4 5]
[4 4 5]

コピーの場合は数値は連動しない

ndarrayであるaをコピーしてbを作った場合です。aの1つ目の要素を４に変えても、bの要素は変わりません。

a=np.array([3,4,5])
b=a.copy()　#コピー
a[0]=4
print(a)
print(b)

出力

[4 4 5]
[3 4 5]

数列を作る

数列の基本：np.arange(開始値、最終値の一つ後、間隔）

引数１：終了値＋１

引数を1つだけ指定した場合は、最後の数値の一つ後を指定したことになります。開始値はゼロが自動的に設定されます。

a=np.arrange(10)
print(a)

出力

[0 1 2 3 4 5 6 7 8 9]

引数２：開始値と終了値＋１

引数を2つ指定した場合は、最初の数値、最後の数値の一つ後を指定したことになり、間隔は１となります。

a=np.arange(1,10)
print(a)

出力

[1 2 3 4 5 6 7 8 9]

引数３：開始値、終了値＋１、間隔

引数を３つ指定した場合は、最初の数値、最後の数値の一つ後、間隔を指定したことになります。

a=np.arange(1,10,2)
print(a)

出力

[1 3 5 7 9]

均等割り

均等割り：np.linspace(開始値、終了値、要素数）

開始値と終了値を指定して、その中の要素数を決める場合です。1から9までの数字で要素数を５とすると、1,3,5,7,9のarrayとなります。

a=np.linspace(1,9,5)
print(a)

出力

[1. 3. 5. 7. 9.]

決まった値をいれる

決まった値を入れる場合をいくつか紹介します。

ゼロ

ゼロでarrayを作る：a=np.zeros(タプル）

すべての要素にゼロを入れる場合です。タプルでarrayの次元数、要素数を決めます。2次元で2行3列の場合は(2,3)です。

a=np.zeros((2,3))
print(a)

出力

[[0. 0. 0.]
 [0. 0. 0.]]

１

１でarrayを作る：a=np.ones(タプル）

すべての要素に１を入れる場合です。タプルでarrayの次元数、要素数を決めます。2次元で2行3列の場合は(2,3)です。

a=np.ones((2,3))
print(a)

出力

[[1. 1. 1.]
 [1. 1. 1.]]

単位行列

単位行列を作る：a=eye(3)

単位行列を作成する場合です。対角要素が１、ほかがゼロの行列です。正方行列の必要があるので、指定するのは行数＝列数の一つです。

a=np.eye(3)
print(a)

出力

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

指定値で埋める

指定値で埋める：a=np.full((3,4),3)

指定値で埋める場合です。タプルで次元の数と要素の数を決め、その後に数値を指定します。

a=np.full((3,4),3)
print(a)

出力

[[3 3 3 3]
 [3 3 3 3]
 [3 3 3 3]]

nanを埋める

nanで埋める：a=np.full((3,4),np.nan)

欠損値の穴埋めをする場合はnanを埋めておきます。nanはNot a Numberの略で、数値ではないということです。

a=np.full((3,4),np.nan)
print(a)

出力

[[nan nan nan nan]
 [nan nan nan nan]
 [nan nan nan nan]]

乱数

乱数を入力するには、まず乱数ジェネレーターを起動して、その後は、rng.random()関数で乱数を発生させます。以下で乱数を起動させます。

rng = np.random.default_rng()

乱数発生の基本は以下の式です。同じ乱数を使いたい場合は（）内に123などの数値を入れます。数字の同じ場合は同じ乱数が発生されます。

乱数の基本式：rng.random(タプル）

タプルでは、次元を決め、要素数を指定します。2次元配列で2行3列なら、(2,3)です。乱数は0以上１未満の数値がランダムに入ります。

rng = np.random.default_rng()
a=rng.random((2,3))
print(a)

出力

[[0.88815588 0.12439094 0.87177215]
 [0.96483097 0.86617194 0.99765329]]

整数の乱数

整数だけで乱数を発生させることもできます。最初の数と最後の数を指定します。sizeのタプルで次元を決め、要素数を決めます。省略すると一次元arrayになります。

整数の乱数：rng.integers(最初の数,最後の数の一つ後,size=(タプル））

rng = np.random.default_rng()
a=rng.integers(0,10,size=(10))
print(a)

出力

[4 1 8 0 6 7 8 7 9 5]

正規分布の乱数

正規分布の乱数を発生させる場合は、平均と標準偏差を指定します。平均０、標準偏差１を指定すると標準正規分布になります。

正規分布の乱数：rng.normal( 平均,標準偏差,size=(タプル))

sizeを省くと1次元配列になります。

rng = np.random.default_rng()
a=rng.normal(0,10,size=(10))

print(a)

出力

[  2.87273918   7.98556469   9.63666071  -5.52469409   9.59161518
 -10.63625467  -4.45821382   2.66016268  -6.52019161  -7.83909633]

arrayの結合

arrayの連結

arrayの連結:c=np.concatenate([a,b],axis=数字)

2つのarrayを連結します。連結する２つのarrayをリストで表します。連結する方向としては、行方向に連結する場合と列方向に連結する場合が考えられます。行方向に連結する場合はaxis=0,列方向に連結する場合はaxis=1です。axis=0は省略することができます。

a=np.array([[1,2,3],[1,2,3]])
b=np.array([[4,5,6],[4,5,6]])
c=np.concatenate([a,b],axis=0)

print(c)

出力

[[1 2 3]
 [1 2 3]
 [4 5 6]
 [4 5 6]]

次はaxis=1とした場合です。

a=np.array([[1,2,3],[1,2,3]])
b=np.array([[4,5,6],[4,5,6]])
c=np.concatenate([a,b],axis=1)

print(c)

出力

[[1 2 3 4 5 6]
 [1 2 3 4 5 6]]

行方向に連結する場合はnp.vstack関数、列方向に連結するばあいはnp.hstack関数をつかうこともできます。stackは積み重ねる、vは垂直（vertical)、hは水平(horizontal)を表します。

a=np.array([[1,2,3],[1,2,3]])
b=np.array([[4,5,6],[4,5,6]])

c=np.vstack([a,b])
d=np.hstack([a,b])

print(c)
print(d)

出力

[[1 2 3]　<-vstack関数の結果
 [1 2 3]
 [4 5 6]
 [4 5 6]]

[[1 2 3 4 5 6]　<-hstack関数の結果
 [1 2 3 4 5 6]]

arrayの分割

arrayの行方向への分割:b,c=np.vsplit(a,[2])

arrayの列方向への分割:b,c=np.hsplit(a,[2])

2次元arrayを分割する場合、行方向への分割はnp.vsplit関数、列方向の分割はnp.hsplit関数を使います。[2]は1番目のarrayの行数、列数を表します。

a=np.array([[1,2,3],[4,5,6],[7,8,9]])
b,c=np.vsplit(a,[2])

print(b)
print(c)

出力

[[1 2 3] ->print(b)の結果
 [4 5 6]]

[[7 8 9]]　->print(c)の結果

列方向への分割は以下の通りです。

a=np.array([[1,2,3],[4,5,6],[7,8,9]])
b,c=np.hsplit(a,[2])

print(b)
print(c)

出力

[[1 2]　->print(b)の結果
 [4 5]
 [7 8]]

[[3]　->print(c)の結果
 [6]
 [9]]

arrayの転置

arrayの転置:a.T

2次元array（行列）の行と列とを入れ替える場合です。Tというメソッドを使います。

a=np.array([[1,2,3],[4,5,6]])
b=a.T

print(a)
print(b)

出力

[[1 2 3] <-print(a)の結果
 [4 5 6]]

[[1 4]　<-print(b)の結果
 [2 5]
 [3 6]]

• 経済学Q＆A（2025）その４
• 経済学Q＆A（2025）その3
• 経済学Q＆A（2025）その2
• 【python】データフレームの中身を知る、追加する(pandas)
• 【python】データフレームの結合（pandas)