タイトル: NumPy 配列の範囲指定（スライス・多次元・Boolean / Fancy Index）
SEOタイトル: NumPy 配列スライス完全ガイド（[start:stop:step] / 多次元 / Boolean / np.where）
| この記事の要点 |
|
1 次元配列のスライス
import numpy as np
a = np.array([10, 20, 30, 40, 50, 60, 70])
a[2] # 30 — 単一要素
a[2:5] # [30, 40, 50] — stop は含まない
a[:3] # [10, 20, 30]
a[3:] # [40, 50, 60, 70]
a[::2] # [10, 30, 50, 70] — step=2
a[::-1] # [70, 60, ..., 10] — 逆順
a[-3:] # [50, 60, 70] — 末尾 3 個多次元配列のスライス
カンマで次元を区切ります。「行, 列」「行, 列, 奥行き」の順:
A = np.arange(24).reshape(4, 6)
# [[ 0 1 2 3 4 5]
# [ 6 7 8 9 10 11]
# [12 13 14 15 16 17]
# [18 19 20 21 22 23]]
A[1, 2] # 8 — (行1, 列2)
A[1] # [6, 7, 8, 9, 10, 11] — 1 行全部
A[:, 2] # [2, 8, 14, 20] — 2 列目全部
A[1:3, 2:5] # [[8, 9, 10], [14, 15, 16]] — 部分行列
# 全行 + 偶数列
A[:, ::2] # [[0,2,4],[6,8,10],[12,14,16],[18,20,22]]
# ... (Ellipsis) で「残り全部」
B = np.arange(24).reshape(2, 3, 4)
B[..., 1] # 最後の次元の 1 番目
B[0, ...] # 1 枚目の全要素 = B[0]スライスはビュー（参照）
★ Python リストとの最大の違い。NumPy スライスは新配列を作らずビューを返します。書き換えると元配列も変わります:
a = np.array([1, 2, 3, 4, 5])
b = a[1:4] # b は a のビュー
b[0] = 999
print(a) # [1, 999, 3, 4, 5] ← 元も変わる！
# コピーを取りたい場合
b = a[1:4].copy()
b[0] = 888
print(a) # [1, 999, 3, 4, 5] — 不変
# ビューかコピーか確認
b = a[1:4]
print(b.base is a) # True — ビュー
c = a[[0, 2, 4]] # Fancy Index は常にコピー
print(c.base is a) # FalseBoolean Index（条件で抽出）
a = np.array([10, -5, 30, -2, 50])
# 正の値だけ
a[a > 0] # [10, 30, 50]
# 複合条件（& / | / ~ を使う。and/or は使えない）
a[(a > 0) & (a < 40)] # [10, 30]
a[~(a > 0)] # [-5, -2]
# 多次元でも
A = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
A[A > 4] # [5, 6, 7, 8, 9] — 1 次元化される
# 行ごとに条件
mask = A.sum(axis=1) > 10
A[mask] # 行和が 10 超の行のみ
# 値を条件で置換
a = np.array([10, -5, 30, -2, 50])
a[a < 0] = 0 # [10, 0, 30, 0, 50]Fancy Indexing（整数配列でランダムアクセス）
a = np.array([100, 200, 300, 400, 500])
# 任意の順で取得
a[[0, 2, 4]] # [100, 300, 500]
a[[2, 2, 0]] # [300, 300, 100] — 重複可
# 2 次元配列
A = np.arange(20).reshape(4, 5)
A[[0, 2], [1, 3]] # [A[0,1], A[2,3]] = [1, 13]
# 行を選んで列スライス
A[[0, 2], :] # 0 行目と 2 行目
A[[0, 2]][:, [1, 3]] # 0,2 行 × 1,3 列
A[np.ix_([0, 2], [1, 3])] # 同じ意味
# ソート結果を別配列で利用
order = np.argsort(a) # [0, 1, 2, 3, 4]
a[order] # ソート後の値np.where: 条件分岐の主役
a = np.array([10, -5, 30, -2, 50])
# (1) cond, x, y 形式: 三項演算的
np.where(a > 0, a, 0) # [10, 0, 30, 0, 50] — 負は 0 に
np.where(a > 0, 'pos', 'neg') # 文字列も可
# (2) cond だけ: インデックスを返す
np.where(a > 0) # (array([0, 2, 4]),)
idx = np.where(a > 0)[0]
print(idx) # [0 2 4]
# 多次元
A = np.array([[1, -2], [-3, 4]])
np.where(A < 0, 0, A) # 負を 0 に
row, col = np.where(A < 0)
# row=[0, 1] col=[1, 0] — 負の値の位置各種インデックスの一覧
| 記法 | 例 | 返り値 | ビュー/コピー |
|---|---|---|---|
| 整数 | a[2] | スカラー | — |
| スライス | a[1:4] | サブ配列 | ビュー |
| 多次元スライス | A[1:3, 2:5] | サブ行列 | ビュー |
| Boolean | a[a>0] | 1 次元配列 | コピー |
| Fancy | a[[0,2,4]] | サブ配列 | コピー |
| np.where | np.where(c, x, y) | 条件選択 | 新配列 |
| Ellipsis | A[..., 1] | 軸省略 | ビュー |
よくあるエラー
A = np.arange(12).reshape(3, 4)
# ❌ Python の and/or は使えない
# A[(A > 2) and (A < 8)]
# → ValueError: The truth value of an array with more than one element is ambiguous
# ✅ & / | / ~ を使う
A[(A > 2) & (A < 8)]
# ❌ カッコ忘れ（演算子優先順位）
# A[A > 2 & A < 8] # & が先に評価される
# ✅ 必ずカッコ
A[(A > 2) & (A < 8)]
# ❌ 形状違いの Fancy Index
# A[[0,1,2], [0,1]] # shape mismatch
# ✅ np.ix_ で外積
A[np.ix_([0,1,2], [0,1])]FAQ
Q: スライスを書き換えたら元が変わって困る
A: arr[1:4].copy() でコピーを取る。Pandas DataFrame でも同様。
Q: 大量の Boolean Index で遅い
A: np.nonzero(mask) でインデックス化、np.compress、または numba で JIT。
Q: 多次元で「対角成分」が欲しい
A: np.diag(A) または A[np.arange(n), np.arange(n)]。