[서초 AI 칼리지 데이터분석] - (3)

NumPy 배열 마스킹

마스킹

• 외부의 병균이나 미세먼지로부터 막기 위해 마스크를 착용하는 것처럼 마스킹은 불필요한 것 들을 걸러내는 '필터링'과 유사한 기법이라고 생각하면 된다
• 넘파이 배열 마스킹은 마스크를 사용해서 배열의 특정 부분만 표시하는 것으로 보면 된다 마스크의 값들은 기본적으로 boolean 자료형으로 구성하며, 마스크의 원소값이 True면 대응 되는 원본 배열의 원소를 가져오고 False면 걸러내는 방식을 취한다.
• 대량의 데이터를 사용할 때 특정 데이터만을 추출하고자 하면 반복문보다는 이처럼 마스킹 기 법이 보다 효율적으로 작동될 수 있기에 필요하다
• 잇따라 오는 예제 코드를 통해 마스킹에 대해 더 알아보자

import numpy as np
my_first_mask = np.array([True, False, True, False])
my_second_mask = np.array([1, 0, 1, 0], dtype=bool)
print(my_first_mask)
print(my_second_mask) # my_first_mask와 동치
sample_arr = np.arange(12).reshape(4,3) # 4행 3열
print(sample_arr)
print(sample_arr[my_first_mask]) # (4,3) [(4,)] shape 성립; 마스크의 정보에 따라 0행과 2행만을 가져와 새로운 배열을 만들었다
print(sample_arr[my_second_mask]) # 위와 동치

• 넘파이 배열 마스킹은 마스크를 사용해서 배열의 특정 부분만 표시하는 것으로 보면 된다
• 마스크는 ndarray 자료형으로 만들고 그 안의 원소값들은 boolean 자료형으로 구성한다 마스크와 대응되는 값이 True이면 가져오고 False이면 걸러내는 것이다
• 사용법은 마스킹대상배열[마스크배열] 이처럼 기존의 인덱싱, 슬라이싱과 비슷하게 대괄호] 안에 마스크 배열을 넣어주어 마스킹하고자 하는 타겟 배열의 마스킹을 수행한다

mask1 = np.array([  [True, False, True],
                    [True, False, True],
                    [True, False, True],
                    [True, False, True] ])
print(sample_arr[mask1]) # (4,3) [(4,3)] shape 성립
print(type(sample_arr[mask1]))

• 마스크의 shape은 기존 배열의 shape의 차원 앞에서부터 대응이 되어야 한다; 기존 배열의 shape의 차원 앞에서부터 축의 길이가 동일해야 한다 (마스크 배열 사이즈 <= 기존 배열 사이즈)
• shape가 맞지 않은 경우 IndexError가 발생한다

mask2 = mask1.flatten()
print(mask2)
sample_arr[mask2]

• ndarray 배열 객체에 ~를 접두하면 내부 원소들에 비트 연산 NOT을 수행한다
• 이 점을 활용하여 마스크 배열 앞에 를 접두하여 마스크의 False 데이터만 추출할 수 있다

print(~np.array([True]))
print(~np.array([False]))
print(sample_arr[my_first_mask])
print(sample_arr[~my_first_mask]) # 올바른 False 마스킹
print(~sample_arr[my_first_mask]) # ~ 비트연산자 NOT

• 마스크 내부 원소값들을 int 자료형으로 구성할 수도 있다
• 다만 작동 방식은 boo 자료형과 다르게 되는데, 원소값은 행의 인덱스 값으로 인식이 된다

int_mask = np.array([1, 0, 1, 0], dtype=int)
print(sample_arr) # 원래 배열
print(sample_arr[int_mask]) # 마스킹된 배열

• 그런데 매번 배열들에 대응되는 마스크 값을 일일히 지정할 수가 없다 (특히 배열의 크기가 커지면...)
• 배열들의 데이터를 필터링하는 기준이 있을테니 이를 활용하는 것이 좋은 방식이다
• 원본 배열에서 각종 연산을 거쳐서 이를 마스크 배열로써 활용해보자

print(sample_arr)
print(sample_arr[sample_arr>=5]) # 비교 연산자
print(sample_arr[sample_arr%2==0]) # 나머지 연산자