Pythonで配列をflattenする方法を解説

Python
2025.03.08

本記事では、データ処理の基本操作であるflattenについて、シンプルなforループから高速なitertoolsまで、状況別に最適な方法を解説します。これらの技術を習得することで、複雑なデータ構造を簡単に扱え、コードの可読性と実行効率が向上します。

flattenとは

flattenとは2次元以上の配列を1次元の配列に変換する操作のことです。データ処理やプログラミングにおいて頻繁に必要となる基本的な変換処理の一つです。

なぜflattenが必要なのか

データ分析や機械学習では、均一な形式のデータが必要になることが多いです。例えば：

  • 異なる長さのデータセットを統合する時
  • 行列演算を行う前にデータを前処理する時
  • テキスト処理で単語のリストを一つの配列にまとめる時
  • グラフィックス処理で多次元座標を扱う時

flattenすることで、データの取り扱いが簡単になり、多くのライブラリやアルゴリズムに適した形式に変換できます。

多次元配列とflatten

配列の次元は以下のように分類されます：

  • 1次元配列：[1, 2, 3, 4] – 単純なリスト
  • 2次元配列：[[1, 2], [3, 4]] – リストのリスト（行列やテーブルに相当）
  • 3次元配列：[[[1, 2], [3, 4]], [[5, 6], [7, 8]]] – 3Dデータ（立体的な構造）

flattenは、これらの多次元構造を単一の1次元配列に変換します。この変換により、データの構造は単純化されますが、元の次元の情報は失われることに注意が必要です。

変換例

ネストされた配列（2次元）

nested_2d = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]

flatten後

flattened = [1, 2, 3, 4, 5, 6, 7, 8, 9]

ネストされた配列（3次元）

nested_3d = [[[1, 2], [3]], [[4, 5, 6]]]

flatten後

flattened = [1, 2, 3, 4, 5, 6]

flattenの特徴

  • 順序の保持: 元の配列の要素の順序は保持されます
  • 次元の削減: 任意の次元から1次元への変換が可能です
  • データ構造の単純化: 複雑なネスト構造がシンプルな配列になります
  • メモリ効率: 実装方法によっては、メモリ効率が向上することがあります

flattenする方法

flattenする配列が２次元配列かそれ以上の次元かで方法が異なります。

2次元配列

forループを使う方法

シンプルな二重ループでネストした配列の各要素にアクセスします。外側のループでサブリストを取得し、内側のループで各サブリストの要素を新しいリストに追加します。

nested = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]
flattened = []

for sublist in nested:
    for item in sublist:
        flattened.append(item)

print(flattened)  # [1, 2, 3, 4, 5, 6, 7, 8, 9]

リスト内包表記を使う方法

Pythonのリスト内包表記を使うと、コードが簡潔になります。二重のforループを一行で表現できます。内側のループが外側のループの中に入れ子になっている点に注意してください。

nested = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]
flattened = [item for sublist in nested for item in sublist]

print(flattened)  # [1, 2, 3, 4, 5, 6, 7, 8, 9]

itertools.chainを使う方法

Pythonの標準ライブラリitertoolsのchain関数を使うと、複数のイテラブルを一つのイテラブルに連結できます。アスタリスク（*）演算子でネストリストをアンパックし、各サブリストを個別の引数として渡します。

import itertools

nested = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]
flattened = list(itertools.chain(*nested))

print(flattened)  # [1, 2, 3, 4, 5, 6, 7, 8, 9]

sumを使う方法

sum関数の第二引数に空リストを指定すると、リストの連結として機能します。この方法はシンプルですが、大きなリストの場合はパフォーマンスが低下する可能性があります。

nested = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]
flattened = sum(nested, [])

print(flattened)  # [1, 2, 3, 4, 5, 6, 7, 8, 9]

numpy.flattenを使う方法

NumPyライブラリのflatten関数を使うと、多次元配列を1次元に変換できます。ただし、NumPy配列は同じ長さのサブリストのみ対応しているため、不均一な長さのリストでは使えません。

import numpy as np

nested = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]
# numpy配列は同じ長さの配列のみ対応するため、この例ではエラーになります
# 以下は同じ長さの場合の例
same_length = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flattened = np.array(same_length).flatten().tolist()

print(flattened)  # [1, 2, 3, 4, 5, 6, 7, 8, 9]

2次元配列でどの方法がよいのか

実用的なシナリオでは、リスト内包表記はコード量と速度のバランスが取れており、追加のインポートが不要なため多くの場合に適しています。itertools.chainはさらに速度とメモリ効率が必要な場合に最適です。処理するデータが数百万要素を超えるような大規模なリストでは、itertools.chainの効率性が顕著になります。

任意の次元の配列

再帰関数を使う方法

再帰を使うと、どんな深さのネストされたリストも平坦化できます。各要素がリスト型かどうかをチェックし、リストならさらに再帰的に平坦化し、そうでなければ結果に追加します。

def flatten_recursive(nested_list):
    flattened = []
    for item in nested_list:
        if isinstance(item, list):
            flattened.extend(flatten_recursive(item))
        else:
            flattened.append(item)
    return flattened

nested = [1, [2, [3, 4]], [5, 6, [7, 8, 9]]]
flattened = flatten_recursive(nested)

print(flattened)  # [1, 2, 3, 4, 5, 6, 7, 8, 9]

functools.reduceを使う方法

functools.reduceとoperator.addを組み合わせると、リストを効率的に結合できます。この方法は関数型プログラミングのアプローチで、再帰と組み合わせて任意の深さのリストを平坦化します。

import functools
import operator

def flatten_reduce(nested_list):
    if not nested_list:
        return []
    if isinstance(nested_list[0], list):
        return functools.reduce(operator.add, [flatten_reduce(item) if isinstance(item, list) else [item] for item in nested_list])
    return [nested_list[0]] + flatten_reduce(nested_list[1:])

nested = [1, [2, [3, 4]], [5, 6, [7, 8, 9]]]
flattened = flatten_reduce(nested)

print(flattened)  # [1, 2, 3, 4, 5, 6, 7, 8, 9]

まとめ

Pythonで配列をflattenする最適な方法は、データの規模と次元数によって異なります。小〜中規模の2次元配列にはリスト内包表記が最もバランスが良く、大規模データにはitertools.chain、多次元データには再帰関数が適しています。

方法別の特徴まとめ

方法適用場面長所短所
リスト内包表記2次元配列、日常的な使用簡潔、追加インポート不要、可読性高い非常に大きなデータには不向き
itertools.chain大規模な2次元配列高速、メモリ効率が良い標準ライブラリのインポートが必要
forループ初心者、明示的な処理理解しやすい、カスタマイズ容易冗長、大きなデータでは遅い
sum小規模な2次元配列シンプル、1行で記述可能大きなデータで非効率
numpy.flatten同じ長さのサブリスト非常に高速、行列演算と相性良い不均一な配列には使えない、NumPy必要
再帰関数任意の次元の配列柔軟性が高い、どんな深さにも対応深いネストでスタックオーバーフロー可能性
functools.reduce関数型プログラミング愛好者エレガント、効率的複雑で理解しにくい

実際の開発での選択基準

  1. コードの可読性を重視する場合：リスト内包表記またはforループ
  2. パフォーマンスを重視する場合：itertools.chainまたはnumpy.flatten
  3. 複雑なネスト構造の場合：再帰関数
  4. チームでの開発では：より一般的なリスト内包表記やitertools.chain

どの方法を選ぶにしても、データの特性と処理の目的を考慮して最適な方法を選択することが重要です。日常的なPythonプログラミングでは、リスト内包表記が最もバランスの取れた選択肢と言えるでしょう。

タイトルとURLをコピーしました