NumPyで条件に合う要素のインダイスを取得するargwhere()の使い方

NumPyのargwhere()関数は、① 0以外の要素のインダイスを要素ごとに取得します。または、② 指定の条件に合致する要素のインダイスを要素ごとに取得します。

①と同じ働きをする関数には、ほかにnumpy.nonzero()もあります。しかし、こちらは0以外の要素のインダイスを次元軸ごとに取得します。結論から言えば、配列の高度なスライスを行うにはnumpy.nonzero()の方が適しています。

②についても、指定の条件に合致する要素を操作するには、numpy.where()関数の方が適しています。

そのため、numpy.argwhere()の使用頻度は高くありません。このページでは、上述の関数も含めて簡潔に解説していきます。

配列の高度なスライスについて
NumPy配列のスライシングのテクニックについては『NumPyの配列のスライスの必須テクニックまとめ』でまとめています。こちらも確認いただくことで、スキルや理解を深めることにつながります。

NumPy配列の条件を満たす要素の操作まとめ
NumPy配列では、条件を満たす要素の値を取得したり、数をカウントしたり、置換したりなど様々な操作が可能です。こうした操作については、『NumPy配列の条件を満たす要素の確認や置換・カウントの方法まとめ』で全てまとめていますので、ぜひご確認ください。

目次

1. numpy.argwhereの使い方

まずは書式を確認しましょう。とは言っても、この関数にはオプション引数はありません。

numpy.argwhere関数

書き方:

np.argwhere(a)

パラメーター:

引数 解説
a  array_like   配列を渡します。

戻り値: 

インダイスの配列
配列内の0以外の要素のインダイス。取得するインダイスは、次元軸ごとではなく要素ごとのインダイスです。そして、このインダイスの配列はshape(N, a.ndim)になります。Nは0以外の要素の数です。

一緒に確認したい関数:

  • nonzero: 0以外の要素のインダイスを取得
  • where: 条件に合う要素を置換

Note

np.argwhere(a)は、np.transpose(np.nonzero(a))とほとんど同じです。しかし、こちらの方が0次元の配列(要素が1つの配列:スカラー)に対しても正しく機能します。ただし、配列のスライシングにおいては、argwhere()で取得するインダイスよりもnonzero()で取得するインダイスの方が適しています。

2. サンプルコード

それではサンプルコードを確認しましょう。

まずは以下の2次元配列a を作成します。

In [1]:
import numpy as np
a = np.array([[3, 0, 0], [0, 4, 0], [5, 6, 0]])
a
Out[1]:
array([[3, 0, 0],
       [0, 4, 0],
       [5, 6, 0]])

この配列をnumpy.argwhere()に渡すと、値が0以外の要素のインダイスをインダイスごとに返します。

In [2]:
# 値が0以外の要素のインダイスを要素ごとに取得
np.argwhere(a)
Out[2]:
array([[0, 0],
       [1, 1],
       [2, 0],
       [2, 1]])

このインダイスを使って値を取り出してみましょう。

In [3]:
# 要素の取得
for i in np.argwhere(a):
    print(a[tuple(i)])
3
4
5
6

なお、配列のスライスにはnumpy.nonzero()の方が遥かに適しています。この関数は、以下のコードのように、0以外の要素のインダイスを次元軸区切りで取得します。

In [4]:
#  配列のスライシングにはnp.nonzero()の方が適しています
ind = np.nonzero(a)
ind
Out[4]:
(array([0, 1, 2, 2]), array([0, 1, 0, 1]))

この形のインダイスであれば、直接、配列をスライスすることで値を取得することができます。

In [5]:
a[ind]
Out[5]:
array([3, 4, 5, 6])

このため、配列のスライス目的でのインダイスの取得ならば、numpy.nonzero()を使います。

一方で、numpy.argwhere()の利点は条件式定義の自由度にあります。numpy.nonzero()は0以外の要素のインダイスしか取得できませんが、numpy.argwhere()は条件式を書くことで、様々な値のインダイスを取得することが可能です。

In [6]:
#  np.argwhere()の利点は条件式定義の自由度にあります
np.argwhere(a >= 5 )
Out[6]:
array([[2, 0],
       [2, 1]])

なお、条件に合う要素、合わない要素を任意の値に置換したい場合は、numpy.where()を使います。

In [7]:
# 条件に合う要素を100に、合わない要素を0に置換
np.where(a>=5, 100, 0)
Out[7]:
array([[  0,   0,   0],
       [  0,   0,   0],
       [100, 100,   0]])

3. まとめ

以上がnumpy.argwhere()の使い方です。

Python初心者におすすめのプログラミングスクール

「未経験からでもPythonを学べるプログラミングスクールを探しているけど、色々ありすぎてわからない」なら、次の3つのプログラミングスクールから選んでおけば間違いはありません。

Aidemy Premium:全くの初心者ができるだけ効率よく短期間で実務的に活躍できるAI人材になることを目的とした講座。キャリアカウンセリングや転職エージェントの紹介などの転職支援も充実しており、受講者の転職成功率が高い。

AIジョブカレPythonの基本をおさえた人が、実際に機械学習やディープラーニングを活用できるようになるための講座。転職補償型があるなどキャリア支援の内容が非常に手厚く、講師の質も最高クラス。コスパ最高。Python初心者用の対策講座もある。

データミックスプログラミング経験者のビジネスマンが、更なるキャリアアップのためにデータの処理方法を学んでデータサイエンティストになるための講座。転職だけでなく起業やフリーランスとして独立する人も多い。Python初心者用の対策講座もある。

特に、あなたが以下のような目標を持っているなら、この中から選んでおけば間違いはないでしょう。

・未経験からPythonエンジニアとして就職・転職したい
・AIエンジニアやデータサイエンティストとしてキャリアアップしたい
・起業やフリーランスを視野に入れたい

理由は「Python初心者のためのおすすめプログラミングスクール3選」で解説しています。



よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

コメント

コメントする

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください

目次
閉じる