NumPyのarray関数でリストやタプルから配列を作成する方法

np.array関数はリストやタプルなどのPythonの標準シーケンスから配列を生成する関数です。このページでは、この関数の書き方や使い方をサンプルコードを見ながら解説していきます。

使用頻度が高い関数ですので、しっかりと使い方を抑えておきましょう。

1. 書式

np.array関数の書式は以下の通りです。サッと確認しておきましょう。

np.array(object, dtype=None, subok=False, ndmin=0)

2. サンプルコード

それでは、早速、サンプルコードを見ながら使い方を確認していきましょう。

2.1. 1次元配列の生成

以下のコードでは、引数にリストを渡して配列を生成しています。

import numpy as np
#  リストから配列を生成
np.array([1, 2, 3])

array([1, 2, 3])

タプルを渡しても構いません。

#  タプルでも可能
np.array((4, 5, 6))

array([4, 5, 6])

よくある間違いに、引数にリストやタプルなどのシーケンスではなく、数値を直接渡してしまうというものがあります。その場合はエラーになりますので気をつけましょう。

# よくある間違い。引数に数値を渡してしまう。
np.array(1, 2, 3)

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-39-cdb81688cbab> in <module>
----> 2 np.array(1, 2, 3)

TypeError: array() takes from 1 to 2 positional arguments but 3 were given

2.2. 多次元配列の生成

多重シーケンスを渡した場合、生成される配列の次元数は、それに準じたものになります。2重リストを渡すと2次元配列が生成されます。

#  2重リストを渡すと2次元配列を生成
np.array([[1, 2, 3], [4, 5, 6]])

array([[1, 2, 3],
       [4, 5, 6]])

3重リストを渡すと3次元配列が生成されます。

#  3重リストを渡すと3次元配列を生成
np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

array([[[ 1,  2,  3],
        [ 4,  5,  6]],

       [[ 7,  8,  9],
        [10, 11, 12]]])

2.3. 要素の型の変更

さて、NumPyの配列では、複数の要素の型が混在することはできません。そのため例えば元のリストの要素にint型とfloat型が混在している場合、生成される配列の要素の型(dtype)はfloat型になります。

なお、NumPyの配列の要素の型については『NumPyのdtype属性の一覧と参照・指定・変更方法』で詳しく解説しています。

#  リストにint型・float型が混在している場合
np.array([1, 2.0, 3])

array([1., 2., 3.])

元のリストの要素にint型・float型・str型が混在している場合、生成される配列の要素の型(dtype)は、str型になってしまいます。

#  リストにint型・float型・str型が混在している場合
np.array([1, 2.0, '3'])

array(['1', '2.0', '3'], dtype='<U32')

優先順位は次の通りです。

str > complex > float > int

同じデータ型ならビット数が大きいものが優先されます。

int64 > int32 > int16 > int8

さて、このようにリストに望まぬデータ型の要素が含まれている場合、オプション引数の dtype= が役に立ちます。

#  dtype= で int型を指定
a = np.array([1, 2.0, '3'], dtype=int)
a

array([1, 2, 3])

dtype属性を確認してみると、指定通りint型になっていることがわかります。

a.dtype

dtype('int64')

なお、オプション引数 dtype= では、ビット数まで指定することも可能です。その際は、dtype=np.int32 や dtype=np.float128 と書きます。

>>> x = np.array([('John',180),('Mike',200)],dtype=[('name','<U4'),('height','int')])
>>> x
array([('John', 180), ('Mike', 200)],
      dtype=[('name', '<U4'), ('height', '<i8')])

>>> x['name']
array(['John', 'Mike'], dtype='<U4')

>>> x['height']
array([180, 200])

# 2重リストを渡して3次元配列を生成
a = np.array([[1, 2, 3],[4, 5, 6]], ndmin=3)
a

array([[[1, 2, 3],
        [4, 5, 6]]])

a.shape

(1, 2, 3)

# 2重リストを渡して4次元配列を生成
a = np.array([[1, 2, 3],[4, 5, 6]], ndmin=4)
a

array([[[[1, 2, 3],
         [4, 5, 6]]]])

a.shape

(1, 1, 2, 3)

>>>  #  ndarray のサブクラス matrix を作成
>>> m = np.mat('1 2; 3 4')
>>> m
matrix([[1, 2],
        [3, 4]])

>>> type(m)
numpy.matrix

# subok=False（デフォルト）ではサブクラスは引き継がない
np.array(m)

array([[1, 2],
       [3, 4]])

# subok=Trueにするとサブクラスを引き継ぐ
np.array(m, subok=True)

matrix([[1, 2],
        [3, 4]])

3. まとめ

以上のように、np.array関数は、リストやタプルからNumPyの配列を生成する関数です。よく使う関数ですので、しっかりと使い方を抑えておきましょう。

なお、同じく使用頻度が高い関数に次のものがあります。

• empty: 未初期化配列を生成
• ones: 要素が1の初期化配列を生成
• zeros: 要素が0の初期化配列を生成
• full: 要素が任意の値の初期化配列を生成

np.empty関数以外は、すべての要素が同じ値で初期化した配列を生成します。np.empty関数は要素の値がランダムの未初期化配列を生成します。要素を初期化しないので最も高速です。

これらも併せて確認しておくと良いでしょう。