Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

80

2

章 

NumPy

の基礎

In[10]: X[2, [2, 0, 1]]

Out[10]: array([10, 8, 9])

ファンシーインデクスとスライスの組み合わせは次のようになります。

In[11]: X[1:, [2, 0, 1]]

Out[11]: array([[ 6, 4, 5],

[10, 8, 9]])

ファンシーインデクスとマスクの組み合わせも可能です。

In[12]: mask = np.array([1, 0, 1, 0], dtype=bool)

X[row[:, np.newaxis], mask]

Out[12]: array([[ 0, 2],

[ 4, 6],

[ 8, 10]])

これらすべてのインデクス方法を組み合わせることで、配列値にアクセスして変更するための非

常に柔軟な

操作が可能となります。

2.7.3

 事例：ランダムポイントの選択

ファンシーインデクスの一般的な使用法の

1

つが、行列から行のサブセットを選択することです。

例えば、

2

次元正規分布に従う

D

次元の

N

ポイントを表す

N

行

D

列の行列があるとします。

In[13]: mean = [0, 0]

cov = [[1, 2],

[2, 5]]

X = rand.multivariate_normal(mean, cov, 100)

X.shape

Out[13]: (100, 2)

第

4

章で説明するツールを使用して、これらの点を散布図として可視化できます（図 2-7）。

In[14]: %matplotlib inline ...