Python 3におけるnumpy.array形状（R、1）と（R、）の違い
Pythonの科学計算ライブラリであるNumPyは、多次元配列を扱うための強力なツールを提供しています。その中でも、配列の形状（シェイプ）は非常に重要な概念です。特に、形状が（R, 1）の配列と（R,）の配列の違いを理解することは、データ操作や数値計算において重要です。本記事では、これらの違いについて詳しく解説し、具体的な例を示します。
形状（R,）の配列
形状が（R,）の配列は、1次元の配列です。これは単純なリストのようなものであり、R個の要素を持ちます。この形状は、最も基本的な配列の形態で、多くの操作においてデフォルトで使用されます。
import numpy as np
# 1次元配列の作成
array_1d = np.array([1, 2, 3, 4, 5])
print("1D array shape:", array_1d.shape)
このコードを実行すると、以下のような出力が得られます。
1D array shape: (5,)
この出力からわかるように、形状が（5,）であることが確認できます。これは5つの要素を持つ1次元の配列です。
形状（R, 1）の配列
形状が（R, 1）の配列は、2次元の配列です。これはR行1列の行列として扱われます。2次元配列は、特に行列演算を行う場合に役立ちます。
# 2次元配列の作成
array_2d = np.array([[1], [2], [3], [4], [5]])
print("2D array shape:", array_2d.shape)
このコードを実行すると、以下のような出力が得られます。
2D array shape: (5, 1)
この出力からわかるように、形状が（5, 1）であることが確認できます。これは5行1列の2次元配列です。
形状の違いがもたらす影響
形状の違いは、特に配列の操作や計算において重要な影響を与えます。例えば、行列の転置やベクトルの内積計算などで違いが現れます。
# 転置の例
transposed_1d = array_1d.T
transposed_2d = array_2d.T
print("Transposed 1D array shape:", transposed_1d.shape)
print("Transposed 2D array shape:", transposed_2d.shape)
このコードを実行すると、以下のような出力が得られます。
Transposed 1D array shape: (5,) Transposed 2D array shape: (1, 5)
この結果から、1次元配列の転置は形状が変わらないのに対し、2次元配列の転置は行と列が入れ替わることがわかります。
用途に応じた形状の選択
用途に応じて適切な形状を選択することが重要です。たとえば、機械学習におけるデータセットの扱いでは、2次元配列が一般的です。一方、単純な数値計算やプロットの際には、1次元配列が便利です。
形状を変換するための便利な関数として、`reshape`があります。これを用いることで、配列の形状を柔軟に変更できます。
# 1次元配列を2次元配列に変換
reshaped_array = array_1d.reshape(-1, 1)
print("Reshaped array shape:", reshaped_array.shape)
このコードを実行すると、以下のような出力が得られます。
Reshaped array shape: (5, 1)
このようにして、1次元配列を2次元配列に変換することができます。
まとめ
PythonのNumPyにおける配列の形状は、データ操作や計算において重要な役割を果たします。形状（R, 1）と（R,）の違いを理解し、適切に使い分けることで、効率的なデータ処理が可能になります。この記事を参考に、NumPy配列の形状についての理解を深めてください。
numpy.arrayの形状（shape）において、（R、1）と（R、）の違いは次のとおりです。
– （R、1）：1次元の配列であり、要素がR個の行列を表します。要素が1つの列ベクトルとして扱われます。
– （R、）：1次元の配列であり、要素がR個のベクトルを表します。要素が1次元の配列として扱われます。この違いは、データの形状や処理方法に影響を与えることがあります。適切な形状を選択することで、効率的なデータ処理が可能となります。