Summary  
This chapter covers basic indexing in one-dimensional arrays, demonstrating how to access elements using positive and negative indices and how to use those indexed elements in computations.

General domain of usage  
Numerical computing

すべての**NumPy**配列には要素とそれぞれのインデックスが存在します。ここでは、1次元配列のインデックスに注目します。

This video provides an overview of basic indexing in NumPy. You will learn how positive and negative indices work in 1D arrays, how to access elements using both types of indices, and how to use indexing to perform calculations such as finding averages. The video demonstrates practical examples to help you confidently navigate and manipulate NumPy arrays, reinforcing the key concepts covered in this chapter.

次の画像では、正のインデックスが**緑色**、負のインデックスが**赤色**で示されています。

ご覧のとおり、配列内の各要素には**正のインデックス**と**負のインデックス**の両方があります。実際、配列でのインデックス指定はリストでのインデックス指定と似ています。

## インデックスによる要素の取得

要素をインデックスで取得するには、その要素のインデックスを**角括弧**で指定します。例：`array[2]`。

指定したインデックスが範囲外の場合、`IndexError`が発生するため注意が必要です。

注意

import numpy as np
array = np.array([9, 6, 4, 8, 10])
# Accessing the first element (positive index)
print(f'The first element (positive index): {array[0]}')
# Accessing the first element (negative index)
print(f'The first element (negative index): {array[-5]}')
# Accessing the last element (positive index)
print(f'The last element (positive index): {array[4]}')
# Accessing the last element (negative index)
print(f'The last element (negative index): {array[-1]}')
# Accessing the third element (positive index)
print(f'The third element (positive index): {array[2]}')
# Accessing the third element (negative index)
print(f'The third element (negative index): {array[-3]}')

実際、正のインデックスと負のインデックスは配列要素へアクセスする2つの方法であり、機能的には**同じ方法**として動作する。

配列の最初の要素には正のインデックス（`0`）、最後の要素には負のインデックス（`-1`）を使ってアクセスするのが一般的な方法。

配列の要素は単なる**数値**であるため、通常の数値と同様にあらゆる演算を行うことが可能。

import numpy as np
array = np.array([9, 6, 4, 8, 10])
# Finding the average between the first and the last element
print((array[0] + array[-1]) / 2)

ここでは、配列の**最初**と**最後**の要素の平均値を計算。

まとめとして、インデックス指定は特定の要素やデータの部分集合へのアクセス、修正、抽出に不可欠であり、配列内容の**効率的かつ正確な操作**を可能にする。

import unittest
import importlib.util
import numpy as np


def _dynamic_test(test_case, condition, success_message, failure_message):
    """Codefinity-style result helper"""
    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):
        # Імпортуємо код користувача
        spec = importlib.util.spec_from_file_location("user_code", "user_code.py")
        cls.m = importlib.util.module_from_spec(spec)
        spec.loader.exec_module(cls.m)

        # Очікувані дані
        cls.arr = np.array([8, 18, 9, 16, 7, 1, 3])
        cls.expected_avg = (cls.arr[0] + cls.arr[3] + cls.arr[-1]) / 3

    def test_average_value(self):
        """4. Correct average calculated"""
        ok = hasattr(self.m, "average")
        val = getattr(self.m, "average", None)
        type_ok = isinstance(val, (int, float, np.floating))
        value_ok = np.isclose(val, self.expected_avg)

        _dynamic_test(
            self,
            ok and type_ok and value_ok,
            "average calculated correctly",
            "average incorrect or missing",
        )

    def test_access_indexes(self):
        """1–3. Accesses first, fourth, and last elements"""
        arr = np.array([8, 18, 9, 16, 7, 1, 3])
        # Виконуємо код користувача повторно, щоб проаналізувати результат
        spec = importlib.util.spec_from_file_location("user_code", "user_code.py")
        m2 = importlib.util.module_from_spec(spec)
        spec.loader.exec_module(m2)
        val = getattr(m2, "average", None)

        # Перевірка: середнє значення має утворюватися саме з arr[0], arr[3], arr[-1]
        used_values = [arr[0], arr[3], arr[-1]]
        possible = np.isclose(val, sum(used_values) / 3)

        _dynamic_test(
            self,
            possible,
            "indexes used correctly (first, fourth, last)",
            "indexes incorrect or not matching task conditions",
        )


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


test_code.py

Pythonで最も重要な数値計算ライブラリである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。

インデックス表記を使用してNumPy配列内の特定の要素やサブセットにアクセスする方法を学びます。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、ベクトル化された計算が数値解析を高速化する仕組みについてより深く理解します。

基本的インデックス指定

インデックスによる要素の取得

解答