スタートページ＞
JavaScript＞
他言語＞
Python 目次＞
←文字列の取扱とprint関数
→配列の部分指定と行・列の追加
配列の生成と要素表現
Python 自体は配列の一括処理の概念がありませんので、配列データを用いる処理は Python の拡張モジュールである NumPy や Pandas などを追加した環境で行うのが通常です。
配列には、Python の list、NumPy の ndarray、Pandas の DataFrame があります。それぞれ異なる特徴があり、それに関する関数も異なります。Python のプログラミングでは、これをよく理解することがポイントになります。
ここでは、それら配列の入力方法と構造、要素の表現形式、list、ndarray、DataFrame間の変換を扱います。
list ndarray DataFrame
| Python | NumPy | Pandas |
| 配列名称 | list | ndarray | DataFrame |
| 通常の次元 | ベクトル（一次元） | 行列（二次元） | 行列（二次元） |
| 属性混在 | 混在任意 | 同一属性（flort） | 列内では同一属性 |
| インポート略称 | | np | pd |
| ここでの変数名 | mlist | marray | df |
- 拡張モジュール NumPy を利用するには import numpy as np、 Pandas を利用するには import pandas as pd と記述します。
この np や pd をインポート略称といい、 NumPy や Pandas 固有の関数を使うときは、np.array、pd.read_csv のように記述します。
- ndarray は主として数学的な処理、DataFrame は主としてＲＤＢ（リレーショナルデータベース）のような処理に適していますが、これら３種の間の変換は容易であり、操作に応じて使い分けるのが通常です。
配列の生成
配列の入力による生成
●Python の list
mlist = list([['a', 1, 2, 3], あるいは単に mlist = [['a', 1, 2, 3],
[ 10,'b',12, 13], [ 10,'b',12, 13],
[ 20, 21,'c',23]]) [ 20, 21,'c',23]]
●NumPy の ndarray
import numpy as np # NumPy を使えるようにインポートして、その略称を np とする
marray = np.array([[ 0, 1, 2, 3],
[10,11,12, 13],
[20,21,22,23]])
●Pandas の DataFrame
import pandas as pd # Pandas の機能を使うには、pd.DataFrame のようにする
df = pd.DataFrame([['A', 1, 2, 3], # df のイメージ（ＲＤＢに似ている）
['B',11,12,13], # c0 c1 c2 c3
['C',21,22,23]], # r0 'A' 1 2 3
columns = ['c0','c1','c2','c3'], # 列名 r1 'B' 11 12 13
index = ['r0','r1','r2']) # 行名 r2 'C' 21 22 23
index を省略すると、1, 2, 3 … が自動的に付けられます。
一つのプログラム中では DataFrame が１個のことが多く、その名称を df とするのが通常です。
ＣＳＶファイルからの読込み
df = pd.read_csv('ＣＳＶファイルのＵＲＬ')
実務では、Excel などで作成したデータを、多目的に使うＣＳＶファイルとして持ち、それを DataFrame として読み込むのが通常です。
（他形式のファイルも読めます）
read_table テキストファイル（txt）
read_excel Excelファイル（xlsx, xls）
read_json JSON文字列・ファイルを読み込み
list や ndarray として読むこともできます。
ＣＳＶファイルは、UTF-8 の文字コード体系です。
空白区切りでもよいが、コンマ区切りの形式が通常です。
文字列要素は ' ' で囲んでおきます。
全体を読むのではなく、行や列を指定して読み込んだり、行と列を転置して読み込んだりできますが、ここでは省略します。
df.to_csv('ＣＳＶファイルのＵＲＬ') のようにファイルに書き出すこともできます。
配列の各要素の表現
ここでは、変数名を次のように決めています。
総称 list ndarray DataFrame
ベクトル v vlist varray
行列 m mlist marray df
●要素の表記法
要素番号の先頭は０からです。
各要素はベクトルでは v[i] のように表記します。
行列では、２通りの表現があります。
list ndarray df
m[i][j] 〇 〇 ×
m[i,j] × 〇 〇 （dt.iat[0,0] の表記になる）
list と ndarray では、行列は横ベクトルのベクトルとして定義されます。
list
listベクトル
●初期設定
vlist = list([10, 11, 12, 13])
vlist = [10, 11, 12, 13] # としても同じ list(10, 11, 12) はエラー
●要素の確認
vlist[0] # 10
vlist[1] + vlist[2] # 23 (=11+12)
●諸元
len(vlist) # 4 ベクトル長さ＝要素数 length ではない
●同じ値を繰り返す
vlist = [0] * 3 # [0, 0, 0]
vlist = [0, 1, 2] * 2 # [0,1,2, 0,1,2]
●range 整数の連続値を入れる
形式１ range(kmax)
形式２ range(kmin, kmax, dk) # (k=kmin; k
list行列
●初期設定
mlist = [[ 0, 1, 2, 3], # 行３×列４の行列
[10,11,12,13],
[20,21,22,23]]
●ベクトルを並べて行列にする
v0 = [ 0, 1, 2, 3]
v1 = [10,11,12,13]
v2 = [20,21,22,23]
mlist = [v0, v1, v2]
●要素の確認
mlist[0][0] # 0
mlist[1][2] + mlist[2][0] # 32 (=12+20)
mlist[1,2] # エラー
●諸元
len(m) # 3 行数
len(mlist[0]) # 4 列数
●同じ値を繰り返す
mlist = [[0] * 3] * 4 # エラーになる
mlist = [[0] * 3 for k in range(3)] # k は任意。このようにforで各行を生成する
# [[10, 0, 0], [0, 0, 0], [0, 0, 0]]
このような特殊な行列を生成するには Numby ndarray が便利です。
ndarray
import numpy as np が必要
ndarrayベクトル
●初期設定
varray = np.array([10, 11, 12, 13])
●諸元
次元数：varray.ndim() # 1
形状： varray.shape() # (4,)
長さ： len(varray) # 4
ndarray行列
●初期設定
marray = np.array([ [ 0, 1, 2, 3],
[10,11,12,13],
[20,21,22,23] ])
●要素の確認
marray[1][2] # 12
marray[1][2] + marray[2][0] # 32 (=12+20)
marray[1,2] # 12 このような形式でもよい
marray[1,2] + marray[2,0] # 32 (=12+20)
● 諸元
次元数：marray.ndim() # 2
形状：marray.shape=() # (3, 4)
行長：len(marray) # 3
●ベクトルのベクトルとして行列を作成できる
marray = np.array(v0,v1,v2) # vはlistでもndarrayでもよい
ndarrayの特殊配列の初期設定
●np.zeros(配列.shape) 全要素を０にする
varray = np.zeros(4)
# array([0., 0., 0., 0.])
marray = np.zeros((3, 4))
# array([[0., 0., 0., 0.],
# [0., 0., 0., 0.],
# [0., 0., 0., 0.]])
●np.onss(配列.shape) 全要素を１にする
varray = np.ones(4)
# array([1., 1., 1., 1.])
marray = np.ones((3, 4))
# array([[1., 1., 1., 1.],
# [1., 1., 1., 1.],
# [1., 1., 1., 1.]])
●np.array() 同じ値を繰り返す
varray = np.array([2] * 3) # array[2, 2, 2] listでは v = [2] * 3
varray = np.array([0, 1, 2] * 2) # array[0,1,2, 0,1,2] listでは v = [0,1,2] * 2
●range() 連続値を入れる listでの range に似ている
range(kmax)
range(kmin, kmax, dk)
varray = np.array(range(5)) # array([0, 1, 2, 3, 4])
●np.arange() 連続値を入れる
varray = np.arange(4) # array([0, 1, 2, 3]) # ４は含まない
varray = np.arange(2, 4) # array([2, 3])
varray = np.arange(1, 9, 2) # array([1, 3, 5, 7])
●np.eye(行数) 単位行列
marray = np.eye(3)
# array([[ 1., 0., 0.],
# [ 0., 1., 0.],
# [ 0., 0., 1.]])
●np.diag(np.array([1, 2, 3])) ３×３の正方行列の対角要素をarray値とする
marray = np.diag(np.array([1, 2, 3]))
# array([[1, 0, 0],
# [0, 2, 0],
# [0, 0, 3]])
DataFrame
DataFrameの構造
c0 c1 c2 c3 ← columns 列名 ベクトル
r0 A 1 2 3 ┐
r1 B 11 12 13 ├ values 要素 行列
r2 C 21 22 23 ┘
↑
index 行名 ベクトル
●要素の表示形式
df.index[i] # 行名
df.columns[j] # 列名
df[i][j] # エラー
df[i,j] # エラー
df.iat[i,j] # 番号で与える iat は iloc でもよい
df.iat[i][j] # エラー
df.at['r0','c0'] # 行名、列名で与える at は iloc でもよい
df.at[0,'c0'] # エラー iatにしてもエラー
このように要素単体での処理を Pandas で記述するのは煩雑です。
いったん ndarray に変換するほうが便利です。
●列の表示方式
DataFrame を対象にした処理では、列ベクトル（縦ベクトル）を対象にすることが多いので、
列ベクトルの表示が簡潔にできます。連想配列と似た形式になります。
df['c1'] # 列名が c1 の列ベクトル [[1],[11],[21]] が指定されます
df.c1 # 同上
df.c1[0] # その列ベクトルの行番号が 0 の要素、すなわち 1 になります。
列順に入力する場合
DataFrame は、列名による列ベクトル（縦ベクトル）を対象に処理するのが基本だから、それに従えば、列順に入力することになります。
import pandas as pd
df = pd.DataFrame({'c0': ['A','B','C'], # 列名: 各行の値のリスト
'c1': [ 1, 11, 21], # 列の要素（縦方向）
'c2': [ 2, 12, 22],
'c3': [ 3, 13, 23]},
index = ['r0','r1','r2']) # 行名称を与える
# c0 c1 c2 c3
# r0 A 1 2 3
# r1 B 11 12 13
# r2 C 21 22 23
行順にリスト形式で与える
通常は、一つの行を一つのデータとして認識しているのが通常です。それに従った入力をしても、内部では列順に入力したのと同じ構造になります。通常はこの形式で入力します。
import pandas as pd
df = pd.DataFrame([['A', 1, 2, 3], # list形式で１行づつ指定
['B',11,12,13],
['C',21,22,23]],
columns = ['c0','c1','c2','c3'], # 列名 省略時は 0, 1, 2 となる
index = ['r0','r1','r2']) # 行名 省略時は 0, 1, 2 となる
確認 結果は「列順に入力する場合」と同じ
df.iat[0,0] # A
df.iat[1,1] + df.iat[2,2] # 33 (=11+22)
df.at['r0','c0'] # A
df.at['r1','c1'] + df.at['r2','c2'] # 33
indexを省略したとき 行名称がないので、行番号になる。
df = pd.DataFrame([['A', 1, 2, 3],
['B',11,12,13],
['C',21,22,23]],
columns = ['c0','c1','c2','c3'])
# c0 c1 c2 c3
# 0 A 1 2 3
# 1 B 11 12 13
# 2 C 21 22 23
list ⇔ ndarray ⇔ DataFrame 変換
ndarray は全要素が同一属性（float）という制約があります。整数要素は自動的に変換されますが、文字列要素が存在するときは変換できません。列（行）を選択して変換する必要があります。それには「配列の部分指定と行・列の追加」を参照してください。
list → ndarray
marray = np.array(mlist)
ndarray → list
mlist = marray.tolist()
mlist = list(marray) とすると次のような結果になります。
[array([0, 1, 2, 3]), array([10, 11, 12, 13]), array([20, 21, 22, 23])]
list → df
marray = np.array([ 0, 1, 2, 3], # いったん ndarray に変換
[10,11,12,13],
[20,21,22,23]])
vc = ['c0','c1','c2','c3']
vr = ['r0','r1','r2']
df = pd.DataFrame(marray, columns=vc, index=vr)
# c0 c1 c2 c3
# r0 0 1 2 3
# r1 10 11 12 13
# r2 20 21 22 23
df → np.array、list
marray = df.to_numpy()
# array([[ 0, 1, 2, 3],
# [10, 11, 12, 13],
# [20, 21, 22, 23]])
df.columns # Index(['c0', 'c1', 'c2', 'c3'], dtype='object')
list(df.columns) # ['c0', 'c1', 'c2', 'c3'] # np.array にするのは面倒
list(df.index) # ['r0', 'r1', 'r2']