NumPy 配列 (ndarray) の作成方法まとめ

2023-08-23

NumPy 配列 (ndarray) は、np.array() 関数を使って次のように生成するのが基本ですが、

import numpy as np

# 1 次元の場合
a = np.array([1, 2, 3])
print(a[0])  #=> 1

# 2 次元の場合
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a[0])     #=> [1 2 3]
print(a[0][2])  #=> 3

NumPy は ndarray インスタンス生成用の様々なユーティリティ関数を提供しています。

全要素が 0 の NumPy 配列 (np.zeros)

零ベクトル

np.zeros() 関数で、すべての要素が 0 の配列データ（ベクトル）を作成できます。データタイプ (dtype) はデフォルトで float64 になりますが、dtype パラメーターで変更することが可能です。

>>> np.zeros(3)
array([0., 0., 0.])

>>> np.zeros(3, dtype="int64")
array([0, 0, 0], dtype=int64)

零行列

すべての要素（成分）が 0 である行列のことを零行列（ゼロ行列; zero matrix）と呼びます。 NumPy で零行列を生成するには、np.zeros 関数の第 1 引数 (shape) にタプル形式で (行サイズ, 列サイズ) を渡します。

>>> np.zeros((2, 3))
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

データタイプ (dtype) はデフォルトで float64 になりますが、次のように明示的に指定することが可能です。

a = np.zeros((2, 3), dtype="int32")

全要素が 1 の NumPy 配列 (np.ones)

全ての要素が 1 である NumPy 配列を生成するには np.ones 関数を使用します。第 1 引数 (shape) で要素数を指定します。多次元配列の場合は、タプル形式で各次元の要素数を指定します。データタイプ (dtype) はデフォルトで float64 になります。

>>> np.ones(3)
array([1., 1., 1.])

>>> np.ones((2, 3))
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

>>> np.ones((2, 3), dtype="int32")
array([[1, 1, 1],
       [1, 1, 1]])

単位行列 (np.identity)

単位行列（identity matrix）は、対角線上の要素（対角成分）が全て 1 で、それ以外の要素が全て 0 の正方行列です。単位行列は、行列の乗法の単位元としての役割を果たします。 np.identity 関数で単位行列の ndarray インスタンスを生成することができます。行と列のサイズは等しいため、サイズ指定のためのパラメーターは 1 つだけであることに注意してください。

>>> np.identity(3)
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

np.identity() 関数の戻り値は、必ず 2 次元の NumPy 配列になります（shape としては (1, 1) や (2, 2) や (3, 3) のようになります）。

連番からなる NumPy 配列 (np.arange)

np.arange 関数を使用して、連番からなる NumPy 配列 (ndarray) を生成することができます。開始番号 (start) や、1 ステップあたりの変化数 (step) を指定することもできます。

連番の ndarray を生成する

>>> import numpy as np

>>> np.arange(5)
array([0, 1, 2, 3, 4])

>>> np.arange(3, 10)
array([3, 4, 5, 6, 7, 8, 9])

>>> np.arange(2, 10, 2)
array([2, 4, 6, 8])

>>> np.arange(10, 0, -1)
array([10,  9,  8,  7,  6,  5,  4,  3,  2,  1])

>>> np.arange(1, step=0.1)
array([0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])

データタイプ (dtype) は基本的に int32 になりますが、ステップ数を小数点数で刻むと float64 になります。関数名は arrange ではなく、arange であることに注意してください（array range の略です）。

np.arange は 1 次元配列を作成しますが、reshape メソッドを使えば多次元配列の形に変換できます。

>>> np.arange(9).reshape((3, 3))
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

ランダムな NumPy 配列 (np.random)

np.random.rand() は 0 以上 1 未満のランダム float 値を生成する関数ですが、引数で各次元のサイズを指定することで、ランダムな値を持つ NumPy 配列を生成できます。似た関数に np.random.randn() がありますが、こちらは標準正規分布に従ったランダム値を生成します。

>>> np.random.rand()  # スカラー値
0.5926286463704019

>>> np.random.rand(3)  # 1 次元 NumPy 配列
array([0.88829851, 0.22662687, 0.30925015])

>>> np.random.rand(2, 3)  # 2 次元 NumPy 配列　
array([[0.05874757, 0.31040971, 0.09503772],
       [0.99130323, 0.34005123, 0.57641306]])

整数のランダム値が欲しいときは、np.random.randint() を使います。 size パラメーターを指定することで、任意の次元の NumPy 配列を生成できます。

>>> np.random.randint(10)  # スカラー値（0 以上 10 未満の整数）
7

>>> np.random.randint(-3, 3)  # スカラー値（-3 以上 3 未満の整数）
-3

>>> np.random.randint(5, size=3)  # 1 次元 NumPy 配列（0 以上 5 未満の整数）
array([2, 0, 4])

>>> np.random.randint(5, size=(2, 3))  # 2 次元 NumPy 配列（0 以上 5 未満の整数）
array([[0, 4, 3],
       [2, 4, 4]])

ランダム関数のシード値は、np.random.seed() で設定することができます。同じシード値を設定すると、生成されるランダム値を再現することができます。

>>> np.random.seed(252525)  # シード値を設定
>>> np.random.randint(100)
43
>>> np.random.randint(100)
75

>>> np.random.seed(252525)  # 同じシード値を再設定
>>> np.random.randint(100)
43
>>> np.random.randint(100)
75

2023-08-23