NumPy ndarray の形状変換：reshape() と -1 の活用法

NumPyは、Pythonで効率的な数値計算を行うための強力なライブラリです。特に、多次元配列である ndarray を扱う際にその真価を発揮します。データ分析や機械学習では、配列の形状を柔軟に変換する場面が頻繁にあります。そんな時に役立つのが reshape() メソッドです。この記事では、reshape() の基本的な使い方から、非常に便利なワイルドカードである -1 の意味までを、分かりやすいコード例とともに解説します。

reshape() の基本

reshape() メソッドは、既存のNumPy配列の要素数を変えずに、新しい形状の配列を生成します。元の配列のデータは維持され、その構造だけが変更されるイメージです。

使い方

reshape() には、新しい配列の形状をタプルとして渡します。指定する形状の次元の積（総要素数）が、元の配列の総要素数と一致している必要があります。

import numpy as np

# 1次元配列を準備
arr = np.arange(6) # [0 1 2 3 4 5]
print(f"元の配列: {arr}")
print(f"元の形状: {arr.shape}\n")

# 2行3列の形状に変換
arr_2x3 = arr.reshape(2, 3)
print(f"2x3にリシェイプ:\n{arr_2x3}")
print(f"新しい形状: {arr_2x3.shape}\n")

# 3行2列の形状に変換
arr_3x2 = arr.reshape(3, 2)
print(f"3x2にリシェイプ:\n{arr_3x2}")
print(f"新しい形状: {arr_3x2.shape}")

この例では、6つの要素を持つ1次元配列を、2行3列や3行2列の2次元配列に変換しています。

reshape() における -1 の特別な意味

reshape() メソッドの引数として -1 を指定すると、その次元のサイズをNumPyが自動的に計算してくれます。これは、非常に柔軟な形状変換を可能にする便利な機能です。ただし、-1 を指定できるのは、reshape() の引数の中で一度だけです。

-1 の活用例

import numpy as np

arr = np.arange(12) # [ 0  1  2  3  4  5  6  7  8  9 10 11]
print(f"元の配列: {arr}")
print(f"元の総要素数: {arr.size}\n") # 12

# 3列になるように行数を自動計算
arr_auto_rows = arr.reshape(-1, 3)
print(f"3列にリシェイプ（行は自動計算）:\n{arr_auto_rows}")
print(f"形状: {arr_auto_rows.shape}\n") # (4, 3) となる

# 4行になるように列数を自動計算
arr_auto_cols = arr.reshape(4, -1)
print(f"4行にリシェイプ（列は自動計算）:\n{arr_auto_cols}")
print(f"形状: {arr_auto_cols.shape}\n") # (4, 3) となる

# 3次元配列の場合: (自動計算されるのは最初の次元)
arr_3d_auto = arr.reshape(-1, 2, 2)
print(f"3次元配列にリシェイプ（最初の次元を自動計算）:\n{arr_3d_auto}")
print(f"形状: {arr_3d_auto.shape}") # (3, 2, 2) となる

上記の例では、元の配列の総要素数が12なので、

• reshape(-1, 3) は、$12/3=4$ より、形状が (4, 3) になります。

• reshape(4, -1) は、$12/4=3$ より、形状が (4, 3) になります。

• reshape(-1, 2, 2) は、$12/(2times2)=3$ より、形状が (3, 2, 2) になります。

-1 を使うことで、配列の要素数を明示的に計算することなく、直感的に形状を調整できるため、コードの可読性が向上し、ミスも減らせます。

reshape() を使う上での注意点

• 要素数の不一致エラー: reshape() で指定する新しい形状の総要素数が、元の配列の総要素数と一致しない場合、NumPyは ValueError を発生させます。これは、データの整合性を保つための重要なチェックです。

• ビュー vs. コピー: reshape() は通常、元の配列のデータをコピーせずに、新しい形状を持つビューを返します。つまり、リシェイプされた配列の要素を変更すると、元の配列の要素も同じように変更されます。しかし、特定の条件下では、NumPyが内部的にデータのコピーを作成することもあります。データの独立性を確保したい場合は、.copy() メソッドをチェーンして明示的にコピーを作成することをおすすめします。

  Python

   

  original_arr = np.array([1, 2, 3, 4])
  reshaped_view = original_arr.reshape(2, 2)
  reshaped_copy = original_arr.reshape(2, 2).copy()
  
  reshaped_view[0, 0] = 99 # ビューを変更
  print(f"元の配列（ビュー変更後）: {original_arr}") # original_arrも変更される
  
  reshaped_copy[0, 0] = 100 # コピーを変更
  print(f"元の配列（コピー変更後）: {original_arr}") # original_arrは変更されない
  

まとめ

NumPy の reshape() メソッドは、ndarray の形状を柔軟に変換するための不可欠なツールです。特に -1 オプションを使いこなすことで、より効率的で読みやすいコードを書くことができます。これらの知識を深めることで、NumPyを使ったデータ操作がさらにスムーズになるでしょう。