タイトル: リスト（配列）
SEOタイトル: Python リスト型完全ガイド — 操作/スライス/内包表記/numpy との違い
| この記事の要点 |
|
Python リストの基本
Python のlist (リスト) は最もよく使われる組み込みコレクション型です。要素は任意の型を混在できる動的配列で、サイズは自動拡張されます。
# 生成
empty = []
nums = [1, 2, 3, 4, 5]
mixed = [1, "hello", 3.14, True, None] # 型混在可
nested = [[1, 2], [3, 4]] # 二次元
# 範囲生成
zeros = [0] * 10 # [0, 0, ..., 0] (10 個)
seq = list(range(5)) # [0, 1, 2, 3, 4]
# 要素数
len(nums) # 5
# アクセス
nums[0] # 1 (先頭)
nums[-1] # 5 (末尾)
nums[-2] # 4 (末尾から 2 番目)
# nums[100] → IndexErrorスライス
Python のリストは強力なスライス機能を持ち、部分取得・反転・ステップ指定がワンライナーで書けます。
nums = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# 基本: arr[start:end] → [start, end)
nums[2:5] # [2, 3, 4]
nums[:3] # [0, 1, 2]
nums[5:] # [5, 6, 7, 8, 9]
nums[:] # 全要素のコピー
# 負のインデックス
nums[-3:] # [7, 8, 9] (末尾 3 つ)
nums[:-2] # [0, 1, 2, 3, 4, 5, 6, 7] (末尾 2 つ除く)
# ステップ
nums[::2] # [0, 2, 4, 6, 8] (1 つ飛ばし)
nums[1::2] # [1, 3, 5, 7, 9] (奇数番目)
nums[::-1] # [9, 8, ..., 0] (反転)
nums[::-2] # [9, 7, 5, 3, 1]
# スライス代入
nums[2:5] = [20, 30] # nums = [0, 1, 20, 30, 5, 6, 7, 8, 9]
nums[::2] = [-1, -1, -1, -1, -1] # 等しい長さなら OK主要メソッド
| メソッド | 動作 | 計算量 |
|---|---|---|
append(x) | 末尾に追加 | O(1) 償却 |
extend(iterable) | 末尾に複数追加 | O(k) |
insert(i, x) | 位置 i に挿入 | O(n) |
pop() | 末尾を取り出す | O(1) |
pop(i) | 位置 i を取り出す | O(n) |
remove(x) | 最初の x を削除 | O(n) |
clear() | 全削除 | O(n) |
index(x) | x の位置を返す | O(n) |
count(x) | x の出現回数 | O(n) |
sort() | in-place ソート | O(n log n) |
reverse() | in-place 反転 | O(n) |
copy() | 浅いコピー | O(n) |
arr = [3, 1, 4, 1, 5, 9, 2, 6]
arr.append(7) # [3, 1, 4, 1, 5, 9, 2, 6, 7]
arr.extend([8, 0]) # [..., 7, 8, 0]
arr.insert(0, 99) # [99, 3, 1, ...]
arr.pop() # 末尾を取り出して返す
arr.pop(0) # 先頭を取り出して返す
arr.remove(1) # 最初の 1 を削除
arr.index(5) # 5 の位置 → 4 など
arr.count(1) # 1 の出現回数
# ソート (in-place)
arr.sort() # 昇順
arr.sort(reverse=True) # 降順
arr.sort(key=abs) # 絶対値で
# 新しいリストを返すソート
sorted_arr = sorted(arr)
reversed_arr = list(reversed(arr))リスト内包表記 (List Comprehension)
Python らしい強力な構文。map + filter 相当をワンライナーで、しかも読みやすく書けます。
# 基本: [式 for 変数 in iterable]
squares = [x ** 2 for x in range(10)]
# → [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
# フィルタ付き: [式 for 変数 in iterable if 条件]
evens = [x for x in range(20) if x % 2 == 0]
# → [0, 2, 4, ..., 18]
# 二重ループ
pairs = [(i, j) for i in range(3) for j in range(3) if i != j]
# → [(0,1), (0,2), (1,0), (1,2), (2,0), (2,1)]
# ネスト
matrix = [[i * j for j in range(5)] for i in range(5)]
# 文字列処理
words = ["Apple", "banana", "Cherry"]
upper = [w.upper() for w in words] # ["APPLE", "BANANA", "CHERRY"]
short = [w for w in words if len(w) <= 5] # ["Apple"]
# 辞書/集合内包表記もある
square_dict = {x: x ** 2 for x in range(5)} # {0: 0, 1: 1, ...}
unique_lengths = {len(w) for w in words} # {5, 6}
# ジェネレータ式 (メモリ効率) — () で囲む
total = sum(x ** 2 for x in range(1_000_000)) # リスト作らず逐次計算コピー: シャロー vs ディープ
リストを単純代入してもコピーされません。参照が共有されるため、片方を変えるともう片方も変わります。
import copy
a = [1, 2, 3]
b = a # 参照共有
b.append(4)
print(a) # [1, 2, 3, 4] ← a も変わる！
# シャローコピー (1 階層のみコピー)
c = a.copy() # a[:] でも list(a) でも同じ
c.append(5)
print(a) # 影響なし
# ネストしているとシャローでは不足
nested = [[1, 2], [3, 4]]
shallow = nested.copy()
shallow[0].append(99)
print(nested) # [[1, 2, 99], [3, 4]] ← 内側リストは共有！
# ディープコピー (全階層コピー)
deep = copy.deepcopy(nested)
deep[0].append(99)
print(nested) # 影響なし高階関数 map / filter / reduce
関数型のスタイル。シンプルな処理ならリスト内包表記の方が Pythonic ですが、関数を渡したい場合に便利。
from functools import reduce
nums = [1, 2, 3, 4, 5]
# map
doubled = list(map(lambda x: x * 2, nums)) # [2, 4, 6, 8, 10]
# 内包表記なら [x * 2 for x in nums]
# filter
evens = list(filter(lambda x: x % 2 == 0, nums)) # [2, 4]
# 内包表記なら [x for x in nums if x % 2 == 0]
# reduce
total = reduce(lambda acc, x: acc + x, nums, 0) # 15
# sum(nums) で済む類似データ構造との違い
| 型 | 可変性 | 得意な操作 | 用途 |
|---|---|---|---|
list | 可変 | 末尾追加 / インデックスアクセス | 汎用シーケンス |
tuple | 不変 | ハッシュ可 (dict キーになれる) | 固定構造、複数戻り値 |
collections.deque | 可変 | 両端 O(1) 追加/削除 | キュー / スタック |
array.array | 可変 | 同種プリミティブ・省メモリ | 大量数値の軽量保存 |
numpy.ndarray | 可変 | ベクトル演算 / 多次元 | 数値計算 / ML |
set | 可変 | 重複なし / O(1) 検索 | 集合演算 |
numpy.array との比較
import numpy as np
# list: 要素ごとに演算するにはループ or 内包表記
nums = [1, 2, 3, 4, 5]
doubled = [x * 2 for x in nums] # ループが必要
# numpy: ベクトル化演算 (C 実装で高速)
arr = np.array([1, 2, 3, 4, 5])
doubled = arr * 2 # [2, 4, 6, 8, 10] 一発
# 大量データ (1 M 要素) では numpy が 10〜100 倍速い
big = np.arange(1_000_000)
result = big ** 2 + big * 3 # 一瞬
# 二次元・行列演算
mat = np.array([[1, 2], [3, 4]])
mat @ mat # 行列積
mat.T # 転置collections.deque (両端キュー)
from collections import deque
# list は左端への挿入が O(n) で遅い
lst = [1, 2, 3]
lst.insert(0, 0) # O(n) — 全要素を 1 つずらす
# deque は両端 O(1)
dq = deque([1, 2, 3])
dq.appendleft(0) # O(1)
dq.append(4) # O(1)
dq.popleft() # O(1)
dq.pop() # O(1)
# 最大長指定で「直近 N 件」キャッシュにも使える
recent = deque(maxlen=5)
for i in range(10):
recent.append(i)
print(recent) # deque([5, 6, 7, 8, 9], maxlen=5)計算量まとめ (Python list)
| 操作 | 計算量 |
|---|---|
| 末尾 append / pop() | O(1) 償却 |
| 先頭 insert(0, x) / pop(0) | O(n) |
インデックスアクセス arr[i] | O(1) |
長さ len(arr) | O(1) |
連結 a + b | O(n + m) |
スライス arr[i:j] | O(j - i) |
包含チェック x in arr | O(n) |
| ソート | O(n log n) |
FAQ
Q: list * N で多次元リストを作ると挙動が変
A: [[0] * 3] * 2 は同じ内側リストへの参照を 2 つ作ります。[[0] * 3 for _ in range(2)] のように内包表記で個別生成してください。
Q: ソートで安定性は？
A: Python の sort / sorted は安定 (Stable, Timsort) です。等しい要素の元の順序が保たれます。
Q: メモリ効率重視で大量の数値を保持したい
A: list は要素ごとにオブジェクト参照 (8 byte/要素) でオーバーヘッドが大。array.array (標準) や numpy.array (推奨) で 10 倍以上のメモリ削減になります。