【Python・NumPy】rindex()メソッドで指定範囲内に見つかった部分文字列の最大インデックスを取得する方法

PythonのNumPyライブラリには、文字列配列を操作するための便利な関数が多数用意されています。その中でもnumpy.char.rindex()メソッドは、文字列の中で指定した部分文字列（サブ文字列）が最も右側（高いインデックス）で見つかった位置を返すメソッドです。

このメソッドはint型の要素を持つ出力配列を返します。もし部分文字列が見つからなかった場合は、ValueErrorが発生する点に注意してください。これは、見つからない場合に-1を返すrfind()メソッドとの大きな違いです。

rindex()メソッドのパラメータ

• 第1引数： 検索対象となる入力配列
• 第2引数： 検索する部分文字列
• 第3引数（start）： 任意。検索開始位置（スライス表記と同じ解釈）
• 第4引数（end）： 任意。検索終了位置（スライス表記と同じ解釈）

実装手順

まず、必要なライブラリをインポートします。

import numpy as np

次に、1次元の文字列配列を作成します。

arr = np.array(['KATIE', 'KATE', 'BRATleukATp'])

作成した配列を表示して確認しましょう。

print("Array...\n",arr)

配列のデータ型を取得します。

print("\nArray datatype...\n",arr.dtype)

配列の次元数を確認します。

print("\nArray Dimensions...\n",arr.ndim)

配列の形状（シェイプ）を取得します。

print("\nOur Array Shape...\n",arr.shape)

配列の要素数を確認します。

print("\nNumber of elements in the Array...\n",arr.size)

numpy.char.rindex()メソッドを使って、範囲内で部分文字列「AT」が見つかった最大のインデックスを取得します。

print("\nResult (rindex() method)...\n",np.char.rindex(arr, 'AT', start = 1, end= 9))

完全なコード例

import numpy as np

# 1次元の文字列配列を作成
arr = np.array(['KATIE', 'KATE', 'BRATleukATp'])

# 配列を表示
print("Array...\n",arr)

# データ型を取得
print("\nArray datatype...\n",arr.dtype)

# 配列の次元数を取得
print("\nArray Dimensions...\n",arr.ndim)

# 配列の形状を取得
print("\nOur Array Shape...\n",arr.shape)

# 配列の要素数を取得
print("\nNumber of elements in the Array...\n",arr.size)

# rindex()メソッドで部分文字列'AT'が見つかった最大インデックスを返す
# 戻り値はint型の出力配列。部分文字列が見つからない場合はValueErrorが発生

print("\nResult (rindex() method)...\n",np.char.rindex(arr, 'AT', start = 1, end= 9))

実行結果

Array...
['KATIE' 'KATE' 'BRATleukATp']

Array datatype...
<U11

Array Dimensions...
1

Our Array Shape...
(3,)

Number of elements in the Array...
3

Result (rindex() method)...
[1 1 2]

実行結果の解説

この例では、start=1、end=9という範囲を指定して部分文字列「AT」を検索しています。各文字列に対する結果は以下の通りです。

• 'KATIE'： インデックス1の位置に「AT」が見つかり、結果は 1
• 'KATE'： 同様にインデックス1の位置に「AT」が見つかり、結果は 1
• 'BRATleukATp'： 「AT」は2箇所に含まれていますが、rindex()は最も右側の一致位置を返すため、結果は 2

このように、rindex()メソッドを使うことで、文字列配列内の各要素について、指定範囲内で部分文字列が最後に現れる位置を効率的に一括取得できます。文字列の後方からの検索が必要なデータ処理において非常に有用なメソッドです。