Summary  
This chapter explains how to assign or update values at specific indices in one- or multi-dimensional arrays by using index-based notation for each dimension.

General domain of usage  
Data cleaning and preprocessing

**特定の要素**や**部分配列**に値を代入することは、データの更新、誤りの修正、またはデータセットへの条件適用に有用です。これは、**無効なエントリの置換**、分析のための値の**調整**、シミュレーションや計算のための配列の一部の**変更**などの作業で特に役立ちます。

まず、配列の**インデックス指定要素**に値を代入できます。1次元配列でこれを行う一般的な構文は `array[i] = n` です。ここで、`i` は特定のインデックス、`n` は代入する値です。

2次元配列では、次の構文を使用します：`array[i, j] = n`。ここで、`i` と `j` はそれぞれ**行**と**列**のインデックスです。より高次元の配列では、インデックスの数は**次元数**に対応します。

import numpy as np
array_1d = np.array([1, 4, 6, 2])
# Assigning 10 to the first element of array_1d
array_1d[0] = 10
print(array_1d)
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
# Assigning 8 to the element in the second row and column of array_2d
array_2d[1, 1] = 8
print(array_2d)

**より高い**データ型（例：float）の値を、**より低い**データ型（例：整数）の要素に代入すると、値が変更されたりエラーが発生したりする場合があります。例えば、整数要素に `3.5` を代入すると、小数部分が失われて `3` として保存されます。

注意

**高いデータ型**は、より広い値の範囲を格納でき、しばしばより多くのメモリを消費するデータ型。

さらに学ぶ

import numpy as np
array_1d = np.array([1, 4, 6, 2])
# Assigning 10.2 to the first element of array_1d
array_1d[0] = 10.2
print(array_1d)

例外は発生しませんでしたが、最初の要素には `10` ではなく `10.2` が代入されました。配列の `float` が **整数型** であるため、`dtype` 値が整数に変換されました。

下の図は、タスクで使用される `employee_data` 配列の構造を示しています。

import unittest
import importlib.util
import numpy as np
import io
from contextlib import redirect_stdout


def _dynamic_test(test_case, condition, success_message, failure_message):
    """Codefinity-style feedback formatting"""
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


class TestUserCode(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        # Очікуваний масив після оновлення
        cls.initial_data = np.array([
            [4500, 7],
            [3800, 8],
            [5200, 9],
            [4700, 6],
            [4300, 7],
            [3900, 5]
        ])
        cls.expected_data = cls.initial_data.copy()
        cls.expected_data[3, 0] = 6000

    def test_salary_updated(self):
        """1–2. Salary of fourth employee updated to 6000 using positive indexing"""
        # Перехоплюємо stdout під час виконання користувацького коду
        f = io.StringIO()
        spec = importlib.util.spec_from_file_location("user_code", "user_code.py")
        module = importlib.util.module_from_spec(spec)
        with redirect_stdout(f):
            spec.loader.exec_module(module)
        output = f.getvalue().strip()

        # Отримуємо змінну з модуля
        employee_data = getattr(module, "employee_data", None)
        type_ok = isinstance(employee_data, np.ndarray)

        # Перевіряємо, що правильний елемент оновлено
        value_ok = type_ok and employee_data[3, 0] == 6000

        # Перевіряємо, що решта елементів не змінена
        unchanged_ok = type_ok and np.array_equal(
            np.delete(employee_data, (3,), axis=0),
            np.delete(self.expected_data, (3,), axis=0)
        )

        # Перевіряємо, що результат надруковано
        printed_ok = "6000" in output

        _dynamic_test(
            self,
            type_ok and value_ok and unchanged_ok and printed_ok,
            "Salary updated and printed correctly",
            "Salary update incorrect or print missing",
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Pythonの数値計算における最も重要なライブラリであるNumPyの可能性を最大限に引き出します。本コースは、NumPyの初心者レベルから上級レベルまでの習得を目指して設計されています。データサイエンティスト、エンジニア、研究者、開発者のいずれであっても、NumPyの習得は効率的なデータ操作、科学計算、機械学習に不可欠です。

NumPyの応用例を探求し、数値計算において最も人気のあるライブラリの一つである理由を理解します。さまざまなデータニーズに効率的に対応するための配列の作成および初期化方法について学びます。

NumPy配列内の特定の要素やサブセットにインデックス表記を用いてアクセスする方法について学びます。条件付きインデックスを適用してデータをフィルタリングし、欠損値を効率的に管理する方法を習得します。

NumPyは、一般的な配列操作を行うための多くの組み込み関数を提供しています。これらのツールを活用して、繰り返しのコードを書くことなく、データの変換、集約、分析を効率的に行う方法を学びます。

NumPy配列上で効率的に数学的演算を行う方法を学びます。これらの演算を実際の問題解決に応用し、ベクトル化計算が数値解析を高速化する仕組みをより深く理解します。

インデックス指定要素への値の代入

解答