Python3のリストの表記が分かりません

前提・実現したいこと

Python3での課題で、さいころの出目に対して分散・標準偏差を求めるコードを書いています。
サンプルコードにあるコードが理解できません。

発生している問題・エラーメッセージ

試行回数は100回です。
リスト　dice_try　の中に100回分の試行結果の出目が格納されているのはわかります。
分からないのがfor文の中のdice_try[dice_try==i]　です。

出力すると各出目だけが取り出されたリストになっていました。
[]の中はインデックス番号を表すものだと思っていたのですが、dice_try[dice_try==i]の部分はどのような動きをしているのでしょうか。
もしこの表記や構文に名称があったら教えていただきたいです。

該当のソースコード

Python3

steps =100
dice_try = np.random.choice(dice, steps)
p = []
for i in range(1,7):
n_i = len(dice_try[dice_try==i]) # 各目が何回発生したかをカウント
p.append(n_i) #各目の発生した回数をリストに格納

###試したこと
教則本、ネットでリストに関する項を確認した
同級生に質問した。
同級生は内包表記ではないかと言っていたが私は確信できないので質問させていただきました。

###補足情報
現在大学生でまだまだpythonについての理解が及びません。
基礎的な質問になってしまい申し訳ないです。

行動規範の内容に同意します

回答1件

ベストアンサー

dice_try[dice_try==i]の部分はどのような動きをしているのでしょうか。

np.random.choice(dice, steps) は Python のリストではなく、numpy 配列を返します。

まず、dice_try == i が評価されて、dice_try の値が i の要素は True、そうでない要素は False の dice_try と同じ大きさの bool 型の配列が返ります。

numpy 配列の [] にその配列と同じ大きさの bool 型の配列を渡すと、True の位置の要素だけ抽出されます。(bool indexing という機能です。)

NumPy配列のブールインデックス参照 | hydroculのメモ

python
1import numpy as np
2
3a = np.array([3, 2, 3, 4, 4, 4, 5, 4, 2, 1, 4, 4, 5, 3, 1, 1, 6, 5, 5, 4])
4
5# dice_try の値が i の要素は True、そうでない要素は False の dice_try と同じ大きさの bool 型の配列ができる
6print(a == 1)
7# [False False False False False False False False False  True False False
8#  False False  True  True False False False False]
9
10# これを numpy 配列の [] にわたすと、True の要素だけ抽出される。
11print(a[a == 1])
12# [1 1 1]

[]の中はインデックス番号を表すものだと思っていたのですが、

リストやタプルだとそうなりますが、numpy はそれ以外にもいろいろ指定方法があります。
__getitem__() という関数を実装すると、自作したオブジェクトに対して、[] が呼び出された場合の挙動を制御できます。numpy もこれを利用して、bool indexing のような機能を実現しています。

python
1class Vector:
2    def __init__(self, items):
3        self.items = items
4
5    def __getitem__(self, idx):
6        return self.items[idx]
7
8
9vec = Vector(["A", "B", "C"])
10print(vec[1])  # B

参考

dice_try == i で値が i の要素は True、そうでない要素は False の配列が取得できるので、True が1、False が0と同値であることを利用すると、bool indexing を使わなくても、この bool 配列の sum() をとれば、それが値が i の要素数になりますね。

python
1import numpy as np
2
3steps = 100
4dice_try = np.random.choice(dice, steps)
5
6p = [(dice_try == i).sum() for i in range(1, 7)]
7print(p)  # [16, 17, 15, 23, 12, 17]