[ NumPy_2] 차원 크기 모양 / 다차원 인덱싱 슬라이싱

배열의 차원, 크기, 모양

---

 

앞서 소개했듯이 NumPy 이는 차원을 다루는 라이브러리이다. 차원이라는 말이 조금 낯설게 느껴지기도 하고

 

n차원이라는 표현에 머리가 어지러워지지만 간단하게 생각하면,

 

1차원은 직선 그래프, 2차원은 x와 y로 구성된 평면 그래프이고 3차원은 그 평면 그래프에 선을 하나 더 데어

 

박스 형태를 갖게끔 한다고 이미지화 시키면 보다 이해가 편하다.

 

 

차원 개념

 

---

 

import numpy as np

arr = np.array([[[0,1,2,3,4],
               [5,6,7,8,9]],
              [[10,11,12,13,14],
               [15,16,17,18,19]],
              [[20,21,22,23,24],
               [25,26,27,28,29]],
              [[30,31,32,33,34],
               [35,36,37,38,39]]])
print(arr)

[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]]

 [[10 11 12 13 14]
  [15 16 17 18 19]]

 [[20 21 22 23 24]
  [25 26 27 28 29]]

 [[30 31 32 33 34]
  [35 36 37 38 39]]]

 

차원을 표현하는 방법은 (차원)dimnsion, (크기) size, (모양) shape 총 세 가지가 있고, 예시와 같은 배열을 가진 차원을

 

표현할 때에는 dimension = 3차원 size = (4 * 2 * 5) 40 shape = (4, 2, 5)라고 표현해준다.

 

사이즈는 0차원 1차원 2차원을 한 번씩 곱한 값이다.

 

차원이 많이지고 데이터가 많아질수록 차원을 한눈에 알아보기 어렵기 때문에,

 

각각의 값을 알아볼 수 있는 함수역시 존재한다.

 

 

 

ndim

 

ndarray.ndim은 배열의 축 개수 또는 차원을 알려주는 함수이다.

 

import numpy as np

arr = np.array([[[0,1,2,3,4],
            [5,6,7,8,9]],
           [[10,11,12,13,14],
            [15,16,17,18,19]],
           [[20,21,22,23,24],
            [25,26,27,28,29]],
           [[30,31,32,33,34],
            [35,36,37,38,39]]])
arr.ndim

3

 

size

 

ndarray.size는 배열의 총 원소 수를 알려준다.

 

import numpy as np

arr = np.array([[[0,1,2,3,4],
            [5,6,7,8,9]],
           [[10,11,12,13,14],
            [15,16,17,18,19]],
           [[20,21,22,23,24],
            [25,26,27,28,29]],
           [[30,31,32,33,34],
            [35,36,37,38,39]]])
arr.size

40

 

shape

 

ndarray.shape는 배열의 각 차원에 따라 저장된 원소 수를 나타내는 정수를 튜플 형태로 표시한다.

 

import numpy as np

arr = np.array([[[0,1,2,3,4],
               [5,6,7,8,9]],
              [[10,11,12,13,14],
               [15,16,17,18,19]],
              [[20,21,22,23,24],
               [25,26,27,28,29]],
              [[30,31,32,33,34],
               [35,36,37,38,39]]])
arr.shape

(4,2,5)

 

---

배열 형태 변경하기

 

 

shape를 통해 각 배열의 원소 수를 알 수 있었다면, reshape는 원소를 재배열하는 기능을 가지고 있다.

 

단, 이 기능을 사용하고자한다면 지켜야 할 규칙이 있는데

 

변경 전, 후 배열의 원소 숫자는 동일해야 한다는 점이다, 다시 말해 배열의 size는 변할 수 없다.

 

arr1 = np.arange(6)
print(arr1)
print()
arr2 = arr1.reshape(3,2)
print(arr2)

[0 1 2 3 4 5]

[[0 1]
 [2 3]
 [4 5]]
 
arr2 = arr1.reshape(3,-1)
print(arr2)

[[0 1]
 [2 3]
 [4 5]]

 

1차원 배열이었언 array가 reshape를 통해 3행 2열의 2차원 형태로 재배치됐지만, 원소 사이즈는 기존과 동일하다.

 

numpy.reshape(array, newshape, order='A', 'F', 'C')의 형태로 사용해도 동일하게 적용되는데,

 

선택사항 order를 사용하고자 한다면 A,F,C 중 하나를 선택해야 한다. C는 C언어 방식,

 

F는 Fortran, A는 메모리에 따라 C 또는 Fortran으로 자동 선택된다.

 

마지막으로 reshape(3,-1)의 형태를 사용하면 기존 배열의 길이와, 남은 차원에서 유추하여 자동으로 형태 변경이 된다.

 

resize

 

배열의 형태를 바꾸는 게 아닌 원소를 재조정하고 싶다면, resize를 통해 해결할 수 있다.

 

---

 

다차원 인덱싱

 

 

파이썬의 list와 마찬가지도 numpy이 또 한 인덱싱과 슬라이싱을 지원한다.

 

1차원의 경우 사용 방법이 동일하지만 2차원, 3차원으로 넘어가게 되면 조금 까다로워지는데

 

그 이유는 축이 새롭게 추가되기 때문이다.

 

import numpy as np

arr = np.arange(10).reshape(2,5)

print(arr)
print()
print(arr[1, 3])
print()
print(arr[1, -1])
print()
print(arr[0])
print()
print(arr[0][2])

[[0 1 2 3 4]
 [5 6 7 8 9]]

8

9

[0 1 2 3 4]

2

 

 

이렇게 먼저 행을 정하고 열을 지정하여 각 원소를 배열하는 형태로 사용할 수 있다.

 

단 2차원 이상 배열에서 행만 지정하고 열을 표기하지 않으면 자동으로 해당 열을 모두 출력한다.

 

이해를 돕기 위해 list에서 인덱싱을 하는 방식과 동일하게 적용했지만,

 

numpy 이에서는 인덱싱을 할 때에는 한 번에 연산하여 값을 가져올 수 있도록

 

arr [][]의 형태가 아닌 arr[ , ] 형태로 사용하자 

 

 

 

 

다차원 슬라이싱

 

 

import numpy as np

arr = np.arange(20).reshape(5,4)
print(arr)
print()
print(arr[0:4,1])
print()
print(arr[:,1])
print()
print(arr[0:3,:])

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]]

[ 1  5  9 13]

[ 1  5  9 13 17]

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

 

 

슬라이싱의 기본 개념은 동일하다 arr [0:4,1]을 풀어 설명하자면 0부터 3까지의 행에서 1번 열을 불러오라는 의미이고

 

arr[ : , 1]의 경우 전체 행에서 1번 열을 가져오라는 의미이다. 마지막으로 arr [0:3, : ]는 0부터 2까지의 행에 전체 열을 

 

불러오라는 의미이기 때문에 예시와 같이 출력이 되었다. 

 

 

 

그 외의 방법

 

인덱싱, 슬라이싱 외에도 원하는 값을 불러오는 방법이 있는데 논리 연산자를 사용하는 것이다.

 

import numpy as np

arr = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])

print(arr[arr < 5])
print()

arr5 = (arr >= 5)
print(arr[arr5])
print()

arr2 = arr[(arr > 2) & (arr < 11)]
print(arr2)

[1 2 3 4]

[ 5  6  7  8  9 10 11 12]

[ 3  4  5  6  7  8  9 10]

 

 

---