NumPy配列ndarrayとPython標準のリストを相互に変換
NumPy配列ndarrayとPython標準のリスト型listは相互に変換できる。
- リスト型
listをNumPy配列ndarrayに変換:numpy.array() - NumPy配列
ndarrayをリスト型listに変換:tolist()
なお、便宜上「変換」という言葉を使っているが、実際は元のオブジェクトはそのままで新たな型のオブジェクトが生成される。
スポンサーリンク
リストをNumPy配列ndarrayに変換: numpy.array()
NumPy配列numpy.ndarrayを生成するnumpy.array()の引数にPythonリスト型のオブジェクトを渡すと、リストを元にndarrayが生成される。
import numpy as np
l_1d = [0, 1, 2]
arr_1d = np.array(l_1d)
print(arr_1d)
print(arr_1d.dtype)
# [0 1 2]
# int64
source: numpy_ndarray_list.py
生成されるndarrayのデータ型dtypeは元のリストから自動で決定されるが、引数dtypeで指定することもできる。
NumPyのデータ型dtypeについては以下の記事を参照。
arr_1d_f = np.array(l_1d, dtype=float)
print(arr_1d_f)
print(arr_1d_f.dtype)
# [0. 1. 2.]
# float64
source: numpy_ndarray_list.py
2次元以上の多次元配列でも同様。
l_2d = [[0, 1, 2], [3, 4, 5]]
arr_2d = np.array(l_2d)
print(arr_2d)
# [[0 1 2]
# [3 4 5]]
source: numpy_ndarray_list.py
なお、Python標準のリストの多次元配列は単なるネストしたリスト（リストのリスト）なので、リストの要素数が一致していなくても問題ないが、それをそのままnumpy.array()の引数に渡すと、要素数がバラバラのリスト型オブジェクトを要素としたndarrayが生成される。
足りない部分を補完したりしないので注意。
l_2d_error = [[0, 1, 2], [3, 4]]
arr_2d_error = np.array(l_2d_error)
print(arr_2d_error)
# [list([0, 1, 2]) list([3, 4])]
print(arr_2d_error.dtype)
# object
print(arr_2d_error.shape)
# (2,)
source: numpy_ndarray_list.py
NumPy配列ndarrayをリストに変換: tolist()
NumPy配列ndarrayのメソッドtolist()は、リスト型のオブジェクトを返す。
元のndarrayの次元数に応じて、ネストしたリストが取得できる。各要素にはインデックス[n]を繰り返すことでアクセスできる。
arr_1d = np.arange(3)
print(arr_1d)
# [0 1 2]
l_1d = arr_1d.tolist()
print(l_1d)
# [0, 1, 2]
arr_2d = np.arange(6).reshape((2, 3))
print(arr_2d)
# [[0 1 2]
# [3 4 5]]
l_2d = arr_2d.tolist()
print(l_2d)
# [[0, 1, 2], [3, 4, 5]]
arr_3d = np.arange(24).reshape((2, 3, 4))
print(arr_3d)
# [[[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# [[12 13 14 15]
# [16 17 18 19]
# [20 21 22 23]]]
l_3d = arr_3d.tolist()
print(l_3d)
# [[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]], [[12, 13, 14, 15], [16, 17, 18, 19], [20, 21, 22, 23]]]
print(l_3d[0])
# [[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]
print(l_3d[0][0])
# [0, 1, 2, 3]
print(l_3d[0][0][0])
# 0
source: numpy_ndarray_list.py
スポンサーリンク