Numpy의 연산 - 브로드캐스팅(Broadcasting)

In [1]:

from IPython.display import display, HTML
display(HTML("<style>.container { width:90% !important; }</style>"))
# 코드 입력창의 너비를 조정하는 코드입니다. 

넘파이의 Broadcasting¶

넘파이에는 브로드캐스팅이란 기능이 있는데
조건을 만족하는 배열끼리 짝을 맞춰 연산하는 기능이다.

1. 원소가 하나인 경우, 어떤 배열이나 브로드캐스팅이 가능  
2. 하나의 배열이 1차원 배열인 경우, 브로드캐스팅이 가능
3. 서로 모양이 같은 경우, 브로드 캐스팅이 가능  
4. 차원의 짝이 맞을 때, 브로드 캐스팅이 가능  
 ex) arr1.shape = (3, 1) arr2.shape = (1, 3) 일 때, 연산결과는 (3, 3)

1차원 배열 연산¶

In [2]:

import numpy as np

In [3]:

x = np.random.randint(1, 10, 4)

In [4]:

y = np.random.randint(1, 100, 4)

In [5]:

x

Out[5]:

array([3, 9, 8, 9])

In [6]:

y

Out[6]:

array([30, 50, 61, 83])

In [7]:

x + y

Out[7]:

array([33, 59, 69, 92])

In [8]:

x - y

Out[8]:

array([-27, -41, -53, -74])

In [9]:

x * y

Out[9]:

array([ 90, 450, 488, 747])

참고로 리스트의 경우, + 연산만 존재하고 리스트를 이어 붙인다.¶

In [11]:

# 리스트의 경우

In [12]:

a = [1, 4, 2, 3]

In [13]:

b= [11, 44, 22, 33]

In [14]:

a + b

Out[14]:

[1, 4, 2, 3, 11, 44, 22, 33]

In [15]:

a - b

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In [15], line 1
----> 1 a - b

TypeError: unsupported operand type(s) for -: 'list' and 'list'

In [16]:

a * b

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In [16], line 1
----> 1 a * b

TypeError: can't multiply sequence by non-int of type 'list'

In [17]:

a / b

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In [17], line 1
----> 1 a / b

TypeError: unsupported operand type(s) for /: 'list' and 'list'

2차원 배열 연산¶

In [18]:

P = np.random.randint(1, 10, (3, 2))

In [19]:

Q = np.random.randint(10, 100, (3, 2))

In [20]:

P

Out[20]:

array([[6, 6],
       [7, 7],
       [4, 7]])

In [21]:

Q

Out[21]:

array([[28, 28],
       [41, 35],
       [83, 60]])

In [22]:

P + Q

Out[22]:

array([[34, 34],
       [48, 42],
       [87, 67]])

In [23]:

P - Q

Out[23]:

array([[-22, -22],
       [-34, -28],
       [-79, -53]])

In [24]:

P * Q

Out[24]:

array([[168, 168],
       [287, 245],
       [332, 420]])

In [25]:

P / Q

Out[25]:

array([[0.21428571, 0.21428571],
       [0.17073171, 0.2       ],
       [0.04819277, 0.11666667]])

In [80]:

# 학생들 점수가 있습니다. [56, 75, 88, 92, 66]
# 이 학생들의 점수가 잘못 되어서, -5점씩 한 점수로 바꿔야 합니다.

In [ ]:

# 1. 리스트의 경우

In [26]:

score_list = [56, 75, 88, 92, 66]

In [27]:

new_score_list = []

In [28]:

for score in score_list:
    new_score = score - 5
    new_score_list.append(new_score)

In [29]:

new_score_list

Out[29]:

[51, 70, 83, 87, 61]

In [ ]:

# 2. ndarray의 경우

In [30]:

score_array = np.array([56, 75, 88, 92, 66])

In [31]:

new_score_array = score_array - 5

In [32]:

new_score_array

Out[32]:

array([51, 70, 83, 87, 61])