3.2.3 配列のインデックスとスライス

学習目標

• 1次元配列と多次元配列の基本インデックスとスライスを理解する
• ブールインデックスを使った条件抽出を学ぶ
• ファンシーインデックス（Fancy Indexing）を理解する
• ビュー（View）とコピー（Copy）の違いを理解する

---

1次元配列のインデックスとスライス

1次元配列のインデックスは、Python のリストと基本的に同じです：

import numpy as np

arr = np.array([10, 20, 30, 40, 50, 60, 70, 80])

# ===== 基本インデックス =====
print(arr[0])     # 10   最初の要素
print(arr[3])     # 40   4番目の要素
print(arr[-1])    # 80   最後の要素
print(arr[-2])    # 70   末尾から2番目の要素

# ===== スライス [start:stop:step] =====
print(arr[2:5])    # [30 40 50]    インデックス 2 から 4
print(arr[:3])     # [10 20 30]    最初の3個
print(arr[5:])     # [60 70 80]    インデックス 5 から末尾まで
print(arr[::2])    # [10 30 50 70] 1つおきに取り出す
print(arr[::-1])   # [80 70 60 50 40 30 20 10] 逆順にする

---

2次元配列のインデックスとスライス

2次元配列は [行, 列] の形でアクセスします：

matrix = np.array([
    [1,  2,  3,  4],
    [5,  6,  7,  8],
    [9,  10, 11, 12],
    [13, 14, 15, 16]
])

単一要素へのアクセス

print(matrix[0, 0])    # 1    0行0列
print(matrix[1, 2])    # 7    1行2列
print(matrix[-1, -1])  # 16   最後の行・最後の列

行全体 / 列全体へのアクセス

print(matrix[0])       # [1 2 3 4]     0行目（行全体）
print(matrix[0, :])    # [1 2 3 4]     同じ意味。より明示的な書き方

print(matrix[:, 0])    # [ 1  5  9 13]  0列目（列全体）
print(matrix[:, -1])   # [ 4  8 12 16]  最後の列

行・列のスライス

# 最初の2行、最初の3列を取り出す
sub = matrix[:2, :3]
print(sub)
# [[1 2 3]
#  [5 6 7]]

# 1〜2行目、2〜3列目を取り出す
sub2 = matrix[1:3, 2:4]
print(sub2)
# [[ 7  8]
#  [11 12]]

# 1つおきに行を取り出す（0行目、2行目）
sub3 = matrix[::2]
print(sub3)
# [[ 1  2  3  4]
#  [ 9 10 11 12]]

2次元インデックスの図解

式	取り出すもの	結果
matrix[1, 2]	1行目、2列目	7
matrix[:2, :3]	最初の2行、最初の3列	[[1,2,3], [5,6,7]]
matrix[:, 1]	すべての行、1列目	[2, 6, 10, 14]

---

ブールインデックス：条件抽出

これは NumPy のとても強力な機能の1つです。条件式を使って、データを直接抽出できます。

基本の考え方

arr = np.array([15, 23, 8, 42, 31, 5, 19, 27])

# 1段階目：条件式からブール配列を作る
mask = arr > 20
print(mask)      # [False  True False  True  True False False  True]

# 2段階目：ブール配列をインデックスとして使い、True に対応する要素を取り出す
result = arr[mask]
print(result)    # [23 42 31 27]

# 通常は1行でまとめて書ける
print(arr[arr > 20])    # [23 42 31 27]

よく使う条件抽出

scores = np.array([85, 92, 78, 65, 95, 43, 88, 72, 55, 90])

# 合格点（>= 60）
print(scores[scores >= 60])    # [85 92 78 65 95 88 72 90]

# 優秀点（>= 90）
print(scores[scores >= 90])    # [92 95 90]

# 不合格点（< 60）
print(scores[scores < 60])     # [43 55]

# 60〜80 の点数（複数条件は & でつなぐ。各条件はかっこで囲む）
print(scores[(scores >= 60) & (scores <= 80)])  # [78 65 72]

# 60未満または90より高い点数（複数条件は | でつなぐ）
print(scores[(scores < 60) | (scores > 90)])    # [92 95 43 55]

# 反転（~）
print(scores[~(scores >= 60)])  # [43 55]  scores[scores < 60] と同じ

複数条件の書き方

NumPy では、複数条件を組み合わせるときに Python の and / or は使えません。代わりに次を使います。

• & を and の代わりに使う（かつ）
• | を or の代わりに使う（または）
• ~ を not の代わりに使う（否定）
• 各条件は必ずかっこで囲む

# ❌ 間違った書き方
arr[arr > 5 and arr < 20]

# ✅ 正しい書き方
arr[(arr > 5) & (arr < 20)]

2次元配列でのブールインデックス

matrix = np.array([
    [85, 92, 78],
    [65, 95, 43],
    [88, 72, 90]
])

# 80より大きい点数をすべて取り出す
print(matrix[matrix > 80])   # [85 92 95 88 90]
# 注意：結果は1次元配列になります！

# 不合格点を60に変更する（条件付き代入）
matrix[matrix < 60] = 60
print(matrix)
# [[85 92 78]
#  [65 95 60]   ← 43 が 60 に変わった
#  [88 72 90]]

---

ファンシーインデックス（Fancy Indexing）

ファンシーインデックスでは、整数配列をインデックスとして使い、指定した位置の要素をまとめて取り出せます。

1次元のファンシーインデックス

arr = np.array([10, 20, 30, 40, 50, 60, 70])

# インデックス 1, 3, 5 の要素を取り出す
print(arr[[1, 3, 5]])     # [20 40 60]

# 同じ要素を繰り返し取り出せる
print(arr[[0, 0, 2, 2]])  # [10 10 30 30]

# 好きな順番で取り出せる
print(arr[[6, 4, 2, 0]])  # [70 50 30 10]

2次元のファンシーインデックス

matrix = np.array([
    [1,  2,  3,  4],
    [5,  6,  7,  8],
    [9,  10, 11, 12]
])

# 0行目と2行目を取り出す
print(matrix[[0, 2]])
# [[ 1  2  3  4]
#  [ 9 10 11 12]]

# 特定の位置：(0,1), (1,2), (2,3) の3要素を取り出す
rows = [0, 1, 2]
cols = [1, 2, 3]
print(matrix[rows, cols])   # [ 2  7 12]

---

ビュー（View）vs コピー（Copy）

ここは初心者がつまずきやすいポイントです。NumPy のスライスはコピーではなくビューを返します。

ビュー：変更すると元の配列にも影響する

arr = np.array([1, 2, 3, 4, 5])

# スライスはビュー
sub = arr[1:4]
print(sub)       # [2 3 4]

# sub を変更すると arr も変わる！
sub[0] = 99
print(sub)       # [99  3  4]
print(arr)       # [ 1 99  3  4  5]  ← 元の配列も変わった！

コピー：互いに影響しない

arr = np.array([1, 2, 3, 4, 5])

# copy() で独立したコピーを作る
sub = arr[1:4].copy()
print(sub)       # [2 3 4]

# sub を変更しても arr は変わらない
sub[0] = 99
print(sub)       # [99  3  4]
print(arr)       # [1 2 3 4 5]  ← 元の配列は変わらない

いつビュー？ いつコピー？

操作	戻り値の種類	例
スライス	ビュー	arr[2:5]
ブールインデックス	コピー	arr[arr > 3]
ファンシーインデックス	コピー	arr[[1, 3, 5]]
.copy()	コピー	arr[2:5].copy()
.reshape()	ビュー（通常）	arr.reshape(2, 3)

実用的なアドバイス

ある操作がビューを返すのかコピーを返すのか不安なとき、元の配列をうっかり変更したくないなら .copy() を付けましょう。安全第一です。

safe_sub = arr[1:4].copy()  # いつでも安全

---

実践例：インデックスでデータを分析する

Titanic の場面に戻って、NumPy のインデックスを使ってデータを分析してみましょう。

import numpy as np

# 10人の乗客データを模したもの
ages = np.array([22, 38, 26, 35, 35, np.nan, 54, 2, 27, 14])
fares = np.array([7.25, 71.28, 7.92, 53.10, 8.05, 8.46, 51.86, 21.08, 11.13, 30.07])
survived = np.array([0, 1, 1, 1, 0, 0, 0, 0, 1, 1])

# 生存者の平均運賃を求める
survivor_fares = fares[survived == 1]
print(f"生存者の平均運賃: ${np.mean(survivor_fares):.2f}")

# 30歳より上の乗客の運賃を取り出す（NaN を除外する必要がある）
valid_mask = ~np.isnan(ages)  # NaN を除外
age_mask = ages > 30
combined_mask = valid_mask & age_mask
print(f"30歳以上の乗客の運賃: {fares[combined_mask]}")

# 運賃が高い上位3人の乗客のインデックスを取り出す
top3_indices = np.argsort(fares)[-3:][::-1]  # 並べ替えた後、最後の3つを取り、逆順にする
print(f"運賃 Top 3 のインデックス: {top3_indices}")
print(f"対応する運賃: {fares[top3_indices]}")

---

残す証拠

このページを終えたら、この evidence card を残します。

配列状態

操作前の shape、dtype、axis、サンプル値

操作

indexing、slicing、broadcasting、reshape、線形代数、またはランダム/stat関数

出力

結果の配列形状、値、または統計量

失敗確認

軸の混同、view/copy の落とし穴、ブロードキャスト不一致、または誤った形状

期待される成果

配列操作を確認できる出力形状と値

まとめ

インデックス方法	構文	戻り値の種類	適した場面
基本インデックス	arr[i], arr[i, j]	要素値	単一要素を取得する
スライス	arr[start:stop:step]	ビュー	連続した範囲を取得する
ブールインデックス	arr[arr > 5]	コピー	条件で抽出する
ファンシーインデックス	arr[[1, 3, 5]]	コピー	離れた位置の要素を取る

---

手を動かしてみよう

練習1：基本スライス

arr = np.arange(1, 21)  # [1, 2, 3, ..., 20]

# 1. 最初の5個の要素を取り出す
# 2. すべての奇数位置の要素を取り出す（インデックス 1, 3, 5, ...）
# 3. 最後の3個の要素を取り出す
# 4. 配列を逆順にする

練習2：2次元スライス

matrix = np.arange(1, 26).reshape(5, 5)
print(matrix)
# [[ 1  2  3  4  5]
#  [ 6  7  8  9 10]
#  [11 12 13 14 15]
#  [16 17 18 19 20]
#  [21 22 23 24 25]]

# 1. 真ん中の 3×3 の部分行列を取り出す
# 2. 2列目のすべての要素を取り出す
# 3. 対角線の要素 [1, 7, 13, 19, 25] を取り出す（ヒント：ファンシーインデックスを使う）

練習3：ブールインデックスの実践

# あるクラス20人の数学の点数
math_scores = np.array([
    78, 92, 65, 88, 45, 95, 72, 81, 56, 90,
    83, 67, 94, 73, 85, 60, 98, 77, 69, 87
])

# 1. すべての不合格点（< 60）を取り出す
# 2. 80〜90 の点数（両端含む）を取り出す
# 3. 合格した学生の平均点を計算する
# 4. すべての不合格点を60に変更する
# 5. 変更後の平均点を計算する

参考実装と解説

• 代表的なスライスは、先頭 5 個が arr[:5]、1 始まりで偶数番目の位置が arr[1::2]、末尾 3 個が arr[-3:]、逆順が arr[::-1] です。
• 5x5 行列では、matrix[1:4, 1:4] が中央の 3x3 ブロック、matrix[:, 1] が 2 列目、matrix[np.arange(5), np.arange(5)] が主対角線を選びます。
• スコアのフィルタリングでは元データを残し、コピーした配列で不合格点を 60 に置き換えます。これで生データという証拠を消さずに済みます。