[파이썬] 넘파이(NumPy) - 2

시작에 앞서

해당 내용은 '<파이썬 머신러닝 완벽 가이드> 권철민 지음. 위키북스' 를 토대로 작성되었습니다. 보다 자세한 내용은 해당 서적을 참고해 주시기 바랍니다.

 

네이버 도서

---

기존 내용

[파이썬] 넘파이(NumPy) - 1

---

인덱싱(Indexing): 넘파이의 ndarray의 데이터 세트 선택하기

 

인덱싱: 넘파이에서 ndarray 내의 일부 데이터 세트나 특정 데이터만을 선택할 수 있도록 한다.

• 특정한 데이터만 추출: 원하는 위치의 인덱스 값을 지정하면 해당 위치의 데이터가 반환
• 슬라이싱(Slicing): 슬라이싱은 연속된 인덱스상의 ndarray를 추출하는 방식. ':' 기호 사이에 시작 인덱스와 종료 인덱스를 표시하면 시작 인덱스에서 종료 인덱스-1 위치에 있는 데이터의 ndarray를 반환. (예. 1:5 > 시작 인덱스 1과 종료 인덱스 4까지에 해당하는 ndarray 반환
• 팬시 인덱싱(Fancy Indexing): 일정한 인덱싱 집합을 리스트 또는 ndarray 형태로 지정해 해당 위치에 있는 데이터의 ndarray 반환
• 불린 인덱싱(Boolean Indexing): 특정 조건에 해당하는지 여부인 True/False 값 인덱싱 집합을 기반으로 True에 해당하는 인덱스 위치에 있는 데이터의 ndarray 반환

---

단일 값 추출

 

1개의 데이터값을 선택하려면 ndarray 객체에 해당하는 위치의 인덱스 값을 [ ] 안에 입력하면 된다.

# 1부터 9까지의 1차원 ndarray 생성
array1 = np.arange(start=1, stop=10)
print('array1:', array1)

#index는 0부터 시작하므로 array1[2]는 3번째 index 위치의 데이터값 의미
value = array1[2]
print('value:', value)
print(type(value))

인덱스는 0부터 시작하므로 array1[2]는 3번째 인덱스 위치의 데이터값을 의미.

인덱스에 마이너스 기호를 이용하면 맨 뒤에서부터 데이터를 추출할 수 있다.

인덱스 -1은 맨 뒤의 데이터값을 의미하고, -2는 맨 뒤에서 두 번째에 있는 데이터값이다.

 

단일 인덱스를 이용해 ndarray 내의 데이터값도 간단히 수정 가능하다.

array1[0] = 9
array1[8] = 0
print('array1:', array1)

첫번째 수 1 > 9, 마지막 수 9 > 0 으로 바뀐 것을 볼 수 있다

 

---

다차원 ndarray에서 단일 값 추출

 

1차원과 2차원 ndarray에서 데이터 접근의 차이는 2차원의 경우 콤마(,) 로 분리된 로우와 칼럼 위치의 인덱스를 통해 접근하는 것이다.

※ 3차원 이상의 ndarray 에서의 데이터 추출도 2차원 ndarray와 큰 차이가 없다.

 

[1차원 ndarray를 2차원의 3x3 ndarray로 변환한 후 [row, col]을 이용해 2차원 ndarray에서 데이터 추출]

array1d = np.arange(start=1, stop=10) #1부터 9까지 숫자 범위 생성
array2d = array1d.reshape(3,3) # 로우3, 컬럼3 형태
print(array2d)

# 값 찾아내기
print('(row=0, col=0) index 가리키는 값:', array2d[0, 0])
print('(row=0, col=1) index 가리키는 값:', array2d[0, 1])
print('(row=1, col=0) index 가리키는 값:', array2d[1, 0])
print('(row=2, col=2) index 가리키는 값:', array2d[2, 2])

※ axis 0 은 로우 방향의 축, axis 1은 칼럼 방향의 축을 의미

상단 코드에서 지칭한 로우와 칼럼은 넘파이 ndarray에서 사용되지 않는 방식이며, 정확한 표현은 axis 0, axis 1이 맞다.

즉, [row=0, col=0] 인덱싱은 [axis 0=0, axis 1=0] 이 정확한 표현이다.

3차원 ndarray의 경우는 axis 0, aixs 1, aixs 2로 3개의 축을 가지게 된다. (행, 열, 높이)

축 기반의 연산에서 axis 가 생략되면 axis 0을 수행한다.

---

슬라이싱

 

':' 기호를 이용하여 연속한 데이터를 슬라이싱해서 추출할 수 있다. 단일 데이터값 추출을 제외하고 슬라이싱, 팬시 인덱싱, 불린 인덱싱으로 추출된 데이터 세트는 모두 ndarray 타입이다.

 

시작 인덱스:종료 인덱스

 

시작 인덱스에서 종료 인덱스 -1의 위치에 있는 데이터의 ndarray 값 반환

array1 = np.arange(start=1, stop=10)
array3 = array1[0:3]
print(array3)
print(type(array3))

※ 슬라이싱 기호인 ':' 사이의 시작, 종료 인덱스는 생략 가능

• ':' 기호 앞에 시작 인덱스를 생략하면 자동으로 맨 처음 인덱스인 0으로 간주
• ':' 기호 뒤에 종료 인덱스를 생략하면 자동으로 맨 마지막 인덱스로 간주
• ':' 기호 앞/뒤에 시작/종료 인덱스를 생략하면 자동으로 맨 처음/맨 마지막 인덱스로 간주

array1 = np.arange(start=1, stop=10)
array4 = array1[:3] #시작 인덱스 생략
print(array4)

array5 = array1[3:] #종료 인덱스 생략
print(array5)

array6 = array1[:] #시작, 종료 인덱스 생략
print(array6)

 

◆ 2차원 ndarray에서 슬라이싱으로 데이터에 접근하기

2차원 ndarray에서 슬라이싱도 1차원 ndarray에서의 슬라이싱과 유사하며, 단지 콤마(,)로 로우와 칼럼 인덱스를 지칭하는 부분만 다르다.

#2차원 ndarray 슬라이싱
array1d = np.arange(start=1, stop=10) #1차원 수 생성
array2d = array1d.reshape(3, 3) #2차원으로 형태 생성
print('array2d:\n', array2d)

print('array2d[0:2, 0:2] \n', array2d[0:2, 0:2])
print('array2d[1:3, 0:3] \n', array2d[1:3, 0:3])
print('array2d[1:3, :] \n', array2d[1:3, :])
print('array2d[:, :] \n', array2d[:, :])
print('array2d[:2, 1:] \n', array2d[:2, 1:])
print('array2d[:2, 0] \n', array2d[:2, 0])

※ 2차원 ndarray에서 뒤에 오는 인덱스를 없애면 1차원 ndarray 반환.

즉, array2d[0] 과 같이 2차원에서 뒤에 오는 인덱스를 없애면 로우 축(axis 0)의 첫 번째 로우 ndarray를 반환

(반환되는 array는 1차원)

3차원 ndarray에서 뒤에 오는 인덱스를 없애면 2차원 ndarray를 반환

뒤에 오는 인덱스를 없애니 행 데이터만 출력(1차원)

---

팬시 인덱싱(Fancy Indexing)

 

팬시 인덱싱은 리스트나 ndarray로 인덱스 집합을 지정하면 해당 위치의 인덱스에 해당하는 ndarray를 반환하는 인덱스 방식이다.

array1d = np.arange(start=1, stop=10)
array2d = array1d.reshape(3, 3)

array3 = array2d[[0, 1], 2] #로우 측에 팬시 인덱싱 적용, 칼럼 축은 단일 값 적용
print('array2d[[0, 1], 2] =>', array3.tolist())
# (row, col)인덱스가 (0,2),(1,2)로 적용

array4 = array2d[[0, 1], 0:2]
print('array2d[[0, 1], 0:2] =>', array4.tolist())
# ((0,0),(0,1)), ((1,0),(1,1)) 인덱싱 적용

array5 = array2d[[0, 1]]
print('array2d[[0, 1]] =>', array5.tolist())
# ((0, : ), (1, : )) 인덱싱 적용

상단의 코드 값 설명

---

불린 인덱싱(Boolean Indexing)

 

불린 인덱싱은 조건 필터링과 검색을 동시에 할 수 없기 때문에 매우 자주 사용되는 인덱싱 방식이다.

1차원 ndarray [1,2,3,4,5,6,7,8,9]에서 데이터값이 5보다 큰 데이터만 추출하려고 할 경우,

불린 인덱싱은 이용하면 for loop/if else (if  '추출값'  > 5) 를 돌면서 값을 하나씩 비교할 필요 없이 훨씬 간단하게 이를 구현할 수 있다.

불린 인덱싱은 ndarray의 인덱스를 지정하는 [ ] 내에 조건문을 그대로 기재하기만 하면 된다.

array1d = np.arange(start=1, stop=10)
# [ ] 안에 array1d > 5 Boolean Indexing 적용
array3 = array1d[array1d > 5]
print('array1d >5 불린 인덱싱 결과 값:', array3)

 

단지 ndarray 객체에 조건식만 붙였을 뿐인데 False, True로 이뤄진 ndarray 객체가 반환되었다.

반환된 객체를 살펴보면 5보다 큰 데이터가 있는 위치는 True 값이, 그렇지 않은 경우는 False 값이 반환됨을 확인할 수 있다.

조건으로 반환된 ndarray 객체를 인덱싱을 지정하는 [ ] 내에 입력하면 False 값은 무시하고 True 값이 있는 위치 인덱스 값으로 자동 변환해 해당하는 인덱스 위치의 데이터만 반환하게 된다.

 

불린 인덱싱은 내부적으로 여러 단계를 거쳐서 동작하지만, 코드 자체는 단순히 [ ] 내에 원하는 필터링 조건만 넣으면 해당 조건을 만족하는 ndarray 데이터 세트를 반환하기 때문에 사용자는 내부 로직에 크게 신경쓰지 않고 쉽게 코딩할 수 있다.

---

다음글

[파이썬] 넘파이(NumPy) - 3