Numpy ndarray의 데이터 accessing, slicing

In [1]:

from IPython.display import display, HTML

display(HTML("<style>.container { width:90% !important; }</style>"))

# 코드 셀의 너비를 조정하는 코드입니다. 신경쓰지 마세요

ndarray의 데이터에 access 하기¶

1차원 배열의 인덱스 접근¶

In [2]:

import numpy as np

In [3]:

np.random.seed(23)

In [4]:

x = np.random.randint(0, 100, 10)

In [5]:

x

Out[5]:

array([83, 40, 73, 54, 31, 76, 91, 39, 90, 25])

In [6]:

x[3]

Out[6]:

54

In [7]:

x[-1]

Out[7]:

25

다차원배열의 인덱스 접근¶

In [8]:

X = np.array([[13, 22, 49, 42, 80],
       [91, 63, 58, 20, 34],
       [60, 40, 16, 37, 66],
       [ 2, 44, 16, 87, 84]])

In [9]:

X

Out[9]:

array([[13, 22, 49, 42, 80],
       [91, 63, 58, 20, 34],
       [60, 40, 16, 37, 66],
       [ 2, 44, 16, 87, 84]])

In [10]:

X[1][2]

Out[10]:

58

In [11]:

# 콤마의 왼쪽이 행!, 콤마의 오른쪽은 열 을 적어준다

In [12]:

X[1, 2]

Out[12]:

58

In [13]:

X[2, 4]

Out[13]:

66

Slicing - 잘라서 가져오기¶

1. ndarray[start:end]¶

2. ndarray[start:]¶

3. ndarray[:end]¶

1차원 벡터¶

In [14]:

x

Out[14]:

array([83, 40, 73, 54, 31, 76, 91, 39, 90, 25])

In [15]:

x[2 : 6+1]

Out[15]:

array([73, 54, 31, 76, 91])

2차원 행렬¶

In [16]:

X

Out[16]:

array([[13, 22, 49, 42, 80],
       [91, 63, 58, 20, 34],
       [60, 40, 16, 37, 66],
       [ 2, 44, 16, 87, 84]])

In [17]:

X[ 1:2+1, 1:3+1 ]

Out[17]:

array([[63, 58, 20],
       [40, 16, 37]])

In [18]:

X[ :2+1 , :1+1 ]

Out[18]:

array([[13, 22],
       [91, 63],
       [60, 40]])

In [19]:

X[ 3 , 2: ]

Out[19]:

array([16, 87, 84])

In [20]:

# 세번째 행을 가져오세요

In [21]:

X[2, ]

Out[21]:

array([60, 40, 16, 37, 66])

In [22]:

X[2, :]

Out[22]:

array([60, 40, 16, 37, 66])

In [23]:

# 세번째 열을 가져오세요

In [24]:

X[ , 2]

  Cell In [24], line 1
    X[ , 2]
       ^
SyntaxError: invalid syntax

In [ ]:

# 전체 행의, 특정 열만 가져올 때는 먼저 행 전체를 슬라이싱 해줘야 한다

In [25]:

X[ : , 2]

Out[25]:

array([49, 58, 16, 16])

In [ ]:

연속되지 않은 데이터를 slicing 할 때는, 리스트나 튜플을 넣어준다.¶

In [26]:

# 첫번째, 세번째, 네번째 열을 가져오세요

In [27]:

X[ : , (0, 2, 3)]

Out[27]:

array([[13, 49, 42],
       [91, 58, 20],
       [60, 16, 37],
       [ 2, 16, 87]])

In [28]:

X[ : , [0, 2, 3] ]

Out[28]:

array([[13, 49, 42],
       [91, 58, 20],
       [60, 16, 37],
       [ 2, 16, 87]])

2차원 배열의 데이터 변경¶

In [29]:

X

Out[29]:

array([[13, 22, 49, 42, 80],
       [91, 63, 58, 20, 34],
       [60, 40, 16, 37, 66],
       [ 2, 44, 16, 87, 84]])

In [30]:

# 맨 끝에 있는 84를 100으로 변경

In [31]:

X[ -1, -1 ] = 100

In [32]:

X

Out[32]:

array([[ 13,  22,  49,  42,  80],
       [ 91,  63,  58,  20,  34],
       [ 60,  40,  16,  37,  66],
       [  2,  44,  16,  87, 100]])

Slicing 할때, 주의할 점!!!!¶

In [33]:

X

Out[33]:

array([[ 13,  22,  49,  42,  80],
       [ 91,  63,  58,  20,  34],
       [ 60,  40,  16,  37,  66],
       [  2,  44,  16,  87, 100]])

In [34]:

Y = X[ 0 : 1+1 , 0 : 2+1 ]

In [35]:

Y

Out[35]:

array([[13, 22, 49],
       [91, 63, 58]])

In [36]:

Y[0, 0] = 100  # Y의 원소를 바꾼다.

In [37]:

Y

Out[37]:

array([[100,  22,  49],
       [ 91,  63,  58]])

In [38]:

X  # X의 원소도 바뀌었다.

Out[38]:

array([[100,  22,  49,  42,  80],
       [ 91,  63,  58,  20,  34],
       [ 60,  40,  16,  37,  66],
       [  2,  44,  16,  87, 100]])

In [39]:

X[0, 0] = 13  # X의 원소를 바꾼다.

In [40]:

Y  # Y의 원소도 바뀌었다.

Out[40]:

array([[13, 22, 49],
       [91, 63, 58]])

In [ ]:

# 위에서 보듯이, X와 X를 참조해서 만들어진 Y는 메모리를 공유하기 때문에
# 한 쪽의 값을 변경하면 양 쪽 모두 변경된다.
# copy() 함수를 사용해 사본을 만들면 이런 문제를 해결할 수 있다.

Copy¶

In [41]:

Y = X[ 0 : 1+1 , 0 : 2+1 ].copy()

In [42]:

Y

Out[42]:

array([[13, 22, 49],
       [91, 63, 58]])

In [43]:

Y[0, 0] = 100

In [44]:

Y

Out[44]:

array([[100,  22,  49],
       [ 91,  63,  58]])

In [45]:

X

Out[45]:

array([[ 13,  22,  49,  42,  80],
       [ 91,  63,  58,  20,  34],
       [ 60,  40,  16,  37,  66],
       [  2,  44,  16,  87, 100]])

In [ ]:

# copy() 를 사용해 만든 Y는 X와 메모리를 공유하지 않는다