Python Numpy (4. Numpy 배열 인덱싱)

 

import numpy as np

np.random.seed(0) #재현 가능성을 위한 시드 값
x1 = np.random.randint(10,size=6) # 1차원 배열
x2 = np.random.randint(10,size=(3,4)) # 3x4 2차원 배열
x3 = np.random.randint(10,size=(3,4,5)) # 3x4x5 3차원 배열

각 배열은 속성으로 ndim(차원의 개수) , shape(각 차원의 크기) , size ( 전체 배열 크기)를 가지고있다.

#각 배열은 속성으로 ndim(차원의 갯수 ) , shape(각 차원의 크기 ) , size(전체 배열의 크기) 를 가지고있다
print('x3 ndim: ' ,x3.ndim)
print('x3 shape : ' ,x3.shape)
print('x3 size : ', x3.size )
print('x3' , x3)

실행결과 .

#다른 유용한 속성으로 배열의 데이터 타입은 dtype이 있다
print('dtype: ', x3.dtype)

실행결과 

 

print('itemsize: ',x3.itemsize , 'bytes')
print('nbytes: ' , x3.nbytes , 'bytes ')

실행결과 

 

배열 인덱싱: 단일 요소에 접근하기 

파이썬의 표준 리스트 인덱싱과 매우 유사하다

#1차원 배열에서 i 번째(0부터 시작 ) 값에 접근하려면 파이썬 리스트에서와 마찬가지로 꺾쇠괄호 안에 원하는 인덱스를 지정하면된다.
x1

실행결과 

 

x1[0]

실행결과

 

#배열의 끝에서부터 인덱싱하려면 음수 인덱스를 사용하면된다
x1[-1] 

 실행결과 

#다차원 배열에서는 콤마로 구분된 인덱스 튜플을 이용해 배열 항목에 접근할수있다.
x2

 실행결과 

1차원 배열 인덱싱 

#배열 슬라이싱: 하위 배열에 접근하기
# x[start:stop:step]

#1차원 하위 배열
x= np.arange(10)
x

실행결과

x[:5] #앞에서부터 5개를 가져옴 

실행결과 

 

x[5:] #인덱스 5 다음 요소들

 

x[4:7] #중간 4~7까지에 요소들을 출력

 

x[::2] #하나 걸러 하나씩의 요소로 구성된 배열

x[1::2] #인덱스 1에서 시작해 하나 걸러 하나씩 요소로 구성된 배열

 

x[::-1] # 모든 요소를 거꾸로 나열

x[5::-2] #인덱스 5부터 하나걸러 하나씩 요소를 거꾸로 나열

다차원 하위배열 인덱싱 

#다차원 하위 배열

#다차원 슬라이싱도 콤마로 구분된 다중 슬라이스를 사용해 똑같은 방식으로 동작한다 . 

x2

x2[:2,:3] #두 개의 행, 세 개의 열

x2[:3, ::2] # 모든 행 , 한 열 걸러 하나씩

#하위 배열 차원도 함께 역으로 변환할 수 있다.
x2[::-1 , ::-1]

#배열의 행과 열에 접근하기 한 가지 공통으로 필요한 루틴은 배열의 단일 행이나 열에 접근하는 것이다.
#이것은 콜론으로 표시된 빈 슬라이스를 사용해 인덱싱과 슬라이싱을 결합함으로써 할 수 있다.
print(x2[:,0]) #x2 의 첫번째 열 
print('-------------')
print(x2[0,:]) #x2의 첫번째 행 

print(x2[0]) # x2[0,:] 와 동일

배열 슬라이스에 대해 알아야 할 중요한 사실 하나는 배열 슬라이스가 배열 데이터의 사본(copy)
가 아닌 뷰 (view) 를 반환한다는 점이다. 이는 NumPy 배열 슬라이싱 파이썬 리스트 슬라이싱과
다른 점 중 하나다. 리스트에서 슬라이스는 사본이다.

# 배열 슬라이스가 배열 데이터의 사본(Copy) 이 아니라 뷰(View) 를 반환한다.

print(x2)

x2_sub = x2[:2, :2]
print(x2_sub)

 

x2_sub[0,0] = 99 
print(x2_sub)

 

print(x2) # View 를 반환한다는것을 알 수 있다. 

#이 행위는 매우 유용하다. 큰 데이터세트를 다룰 때 기반 데이터 버퍼를 복사하지 않아도
#이 데이터의 일부에 접근하고 처리할 수 있다는 뜻이다. 

# 배열의 사본 만들기 
# 때로는 배열이나 하위 배열 내의 데이터를 명시적으로 복사하는 것이 더 유용할 때가 있다.
#그 작업은 Copy 메서드로 가장 쉽게 할 수 있다. 

x2_sub_copy = x2[:2,:2].copy()
print(x2_sub_copy)

x2_sub_copy[0,0] = 42
print(x2_sub_copy)

print(x2) # copy 한 하위 배열을 수정해도 원래 배열이 그대로 유지된다는것을 알 수 있다. 

 

#배열 재구조화 

#배열의 형상을 변경하는것이다. 이를 가장 유연하게 하는 방법은 reshape() 메서드를 사용하는것이다.  
grid = np.arange(1,10).reshape((3,3)) # grid라는 변수에 1~10 까지 3x3크기에 배열을 생성 
print(grid)