特定のデータだけを狙い撃ち！numpyのフィルタリングをマスターしよう

2026年2月26日 2026年2月26日山崎講師

山崎講師

こんにちは。ゆうせいです。

前回は、包丁で切り出すようにデータの範囲を指定するスライスについてお話ししましたね。でも、実際のデータ分析では「 $3$ 行目から $5$ 行目」といった場所による指定だけでなく、「テストで $80$ 点以上の人だけ」とか「マイナスのデータだけ」というように、中身の条件でデータを選びたい場面が圧倒的に多いのです。

そんなときに活躍するのが、今回解説するフィルタ（フィルタリング）です。

皆さんは、砂場から宝物を探すとき、大きな「ふるい」を使ったことはありませんか。条件に合うものだけを残し、それ以外を落としてしまう。プログラミングのフィルタリングも、まさにあの「ふるい」と同じ役割を果たしてくれます！

フィルタリングの正体は「YesかNoか」

numpyでフィルタリングを行うとき、裏側ではブールインデックス参照という仕組みが動いています。

少し難しい名前に聞こえますが、中身はシンプルです。配列の要素一つひとつに対して、「条件に合っていますか？」と問いかけ、 $True$ （はい）か $False$ （いいえ）という結果のリストを作っているだけなのです。

例えば、 $[10, 20, 30]$ というデータに対して、「 $15$ より大きいか」というフィルタをかけると、次のような Yes/No のリストが作られます。

$False, True, True$

この $True$ の場所にある数字だけを拾い上げるのが、フィルタリングの正体です。

比較演算子で「ふるい」を作る

フィルタの条件を作るには、数学でもおなじみの比較演算子を使います。

$>$ （より大きい）
$<$ （より小さい）
$>=$ （以上）
$<=$ （以下）
$==$ （等しい）

高校生の皆さんが数学の授業で使う記号とほとんど同じですね！

例えば、配列 data の中から $0$ 未満の数字だけを取り出したいときは、次のように書きます。

結果 $=$ data $[$ data $<$ 0 $]$

カッコの中に条件式をそのまま放り込むだけでいいなんて、とっても直感的だと思いませんか。

フィルタリングのメリットとデメリット

この機能を使いこなすと、データ処理の効率が劇的に変わります。

メリット

複雑な条件も一発： if文を何回も書かなくても、一行で欲しいデータが手に入ります。
データの修正が楽：「 $0$ 未満のデータをすべて $0$ に書き換える」といった操作も、フィルタを使えば一瞬です。

デメリット（注意点）

複数の条件を組み合わせるとき（例えば「 $50$ 以上かつ $80$ 以下」など）は、Python標準の and や or が使えません。

代わりに、 & （かつ）や | （または）という記号を使い、それぞれの条件をカッコ () で囲む必要があります。ここだけは、書き方のルールとしてしっかり覚えておきましょう！

フィルタリングの書き方まとめ

よく使う条件の組み合わせ方を表にしました。

やりたいこと	書き方のイメージ
ある数字より大きいもの	data $[$ data $>$ 100 $]$
偶数だけを取り出す	data $[$ data $\%$ 2 $==$ 0 $]$
2つの条件の両方に合うもの	(条件1) $\&$ (条件2)
どちらかの条件に合うもの	(条件1) $latex

実際にコードで「ふるい」にかけてみよう！

それでは、ランダムな数字の中から、特定の条件に合うものだけを抜き出してみましょう。

import numpy as np

-10から10までのランダムな整数を10個作る

data = np.random.randint(-10, 11, 10)

print("元のデータ:", data)

プラスの数字だけをフィルタリング

positive_data = data[data > 0]

print("プラスのみ:", positive_data)

5より大きい、または -5より小さいものを抽出

outliers = data[(data > 5) | (data < -5)]

print("端っこの値:", outliers)

実行するたびに、条件に合った数字だけが選ばれて表示されるはずです。まるで魔法のように、欲しいデータだけが手元に残りますね。

データの目利きになるための指針

フィルタリングをマスターした皆さんは、もう膨大なデータに圧倒されることはありません。自分の意志で、必要なデータだけを見つめることができるようになったからです！

これからの学習の指針として、ぜひ以下に挑戦してみてください。

フィルタリングを使って、異常値（極端に大きすぎる、または小さすぎる数字）を見つけて削除する練習をしてみる。
条件に合う要素の「場所（番号）」だけを知りたいときに便利な np.where() という関数について調べてみる。
2次元の表データに対して、特定の列の条件で「行まるごと」を抜き出す操作に挑戦してみる。

「もし〜なら」という思考を、データ全体に対して一瞬で適用できる快感を、ぜひたくさん味わってください。

セイ・コンサルティング・グループでは新人エンジニア研修のアシスタント講師を募集しています。

投稿者プロフィール

山崎講師代表取締役

セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。

学生時代は趣味と実益を兼ねてリゾートバイトにいそしむ。長野県白馬村に始まり、志賀高原でのスキーインストラクター、沖縄石垣島、北海道トマム。高じてオーストラリアのゴールドコーストでツアーガイドなど。現在は野菜作りにはまっている。