💡오늘 배울 내용
드디어 Numpy의 마지막 시간, n차원 배열의 병합입니다. 오늘은 배열에 원소를 추가하거나 삭제하는 법, 두 배열을 병합하고 분할하는 방법에 대해 배워봅시다.
🔎배열에 원소 추가
insert()함수를 이용하여 n차원 배열에 원소를 더할 수 있습니다. 틀이 정해져 있는 배열이지만 배열을 조금만 확장공사 한다고 생각하면 됩니다.
🔔1차원 배열
#파이썬 리스트
arr = [1, 2, 3, 4, 5, 6, 7, 8]
arr.insert(2, 50)
print(arr)
>> [1, 2, 50, 3, 4, 5, 6, 7, 8]
#넘파이
arr = np.arange(1, 9)
arr = np.insert(arr, 2, 50)
print(arr)
>> [ 1 2 50 3 4 5 6 7 8]넘파이에서 insert()함수를 이용하면 배열에 원소를 더할 수 있습니다. insert()함수의 매개변수로는 (배열, 위치, 원소)가 들어갑니다.
🔔2차원 배열(axis 입력X)
2차원 배열에서 원소를 추가할때, axis를 입력하지 않으면 1차원으로 변형하여 원소를 추가해줍니다.
arr = np.arange(1, 13).reshape(3, 4)
print(arr)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
arr1 = np.insert(arr, 2, 50)
print(arr1)
>> [ 1 2 50 3 4 5 6 7 8 9 10 11 12]🔔2차원 배열(axis=0)
axis=0은 각 열의 모든 행에서 동작함을 의미합니다. 즉, 행을 하나 확장함과 동시에 원소를 추가하는 것입니다.
arr = np.arange(1, 13).reshape(3, 4)
print(arr)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
arr2 = np.insert(arr, 2, 50, axis=0)
print(arr2)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[50 50 50 50]
[ 9 10 11 12]]🔔2차원 배열(axis=1)
axis=1은 각 행의 모든 열에서 동작함을 의미합니다. 즉, 열을 하나 확장함과 동시에 원소를 추가하는 것입니다.
arr = np.arange(1, 13).reshape(3, 4)
print(arr)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
arr3 = np.insert(arr, 2, 50, axis=1)
print(arr3)
>> [[ 1 2 50 3 4]
[ 5 6 50 7 8]
[ 9 10 50 11 12]]🔎배열에 원소 삭제
delete()함수를 통해 n차원 배열에 원소를 제거할 수 있습니다.
🔔1차원 배열
arr = np.arange(1, 13)
print(arr)
>> [ 1 2 3 4 5 6 7 8 9 10 11 12]
arr = np.delete(arr, 2)
print(arr)
>> [ 1 2 4 5 6 7 8 9 10 11 12]delete()함수의 매개변수로 배열명과 제거할 위치를 입력해주면 해당 위치의 원소를 삭제할 수 있습니다.
🔔2차원 배열(axis=0)
arr = np.arange(1, 13).reshape(3, 4)
print(arr)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
arr = np.delete(arr, 2, axis=0)
print(arr)
>> [[1 2 3 4]
[5 6 7 8]]axis=0은 행을 의미합니다. 3행을 제거한다는 의미로 delete(arr, 2, axis=0)처럼 쓸 수 있습니다.
🔔2차원 배열(axis=1)
arr = np.arange(1, 13).reshape(3, 4)
print(arr)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
arr = np.delete(arr, 2, axis=1)
print(arr)
>> [[ 1 2 4]
[ 5 6 8]
[ 9 10 12]]axis=1은 열을 의미합니다. 3열을 제거한다는 의미로 delete(arr, 2, axis=1)처럼 쓸 수 있습니다.
🔎2차원 배열 간의 병합
두 배열을 합치는 것을 '배열을 병합한다'고 합니다. 역시 axis를 조정하여 열축과 행축중 어떤것을 기준으로 배열을 병합할지 정할 수 있습니다.
🔔np.append(axis=0)
arr1 = np.arange(1, 13).reshape(3, 4)
arr2 = np.arange(13, 25).reshape(3, 4)
print(arr1)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
print(arr2)
>> [[13 14 15 16]
[17 18 19 20]
[21 22 23 24]]
arr3 = np.append(arr1, arr2, axis=0)
print(arr3)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]
[13 14 15 16]
[17 18 19 20]
[21 22 23 24]]행(axis=0)을 추가하듯이 두 배열을 병합하려고 할때, append()함수의 매개변수 axis에 0을 쓸 수 있습니다.
🔔vstack()
append()함수에 매개변수 axis=0을 입력한 append(axis=0)을 한번에 함수로 쓸 수 있습니다. vstack()함수를 이용하면 행을 추가하듯 가로줄을 기준으로 병합합니다.
arr1 = np.arange(1, 7).reshape(2, 3)
arr2 = np.arange(7, 13).reshape(2, 3)
print(arr1)
>> [[1 2 3]
[4 5 6]]
print(arr2)
>> [[ 7 8 9]
[10 11 12]]
arr3 = np.vstack(arr1, arr2)
print(arr3)
>> [[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]🔔np.append(axis=1)
arr1 = np.arange(1, 13).reshape(3, 4)
arr2 = np.arange(13, 25).reshape(3, 4)
print(arr1)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
print(arr2)
>> [[13 14 15 16]
[17 18 19 20]
[21 22 23 24]]
arr4 = np.append(arr1, arr2, axis=1)
print(arr4)
>> [[ 1 2 3 4 13 14 15 16]
[ 5 6 7 8 17 18 19 20]
[ 9 10 11 12 21 22 23 24]]열(axis=1)을 추가하듯이 두 배열을 병합하려고 할때, append()함수의 매개변수 axis에 1을 쓸 수 있습니다.
🔔hstack()
append()함수에 매개변수 axis=1을 입력한 append(axis=1)을 한번에 함수로 쓸 수 있습니다. hstack()함수를 이용하면 열을 추가하듯 세로줄을 기준으로 병합합니다.
arr1 = np.arange(1, 7).reshape(2, 3)
arr2 = np.arange(7, 13).reshape(2, 3)
print(arr1)
>> [[1 2 3]
[4 5 6]]
print(arr2)
>> [[ 7 8 9]
[10 11 12]]
arr4 = np.hstack((arr1, arr2))
print(arr4)
>> [[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]🔔np.append()
axis 변수를 입력하지 않고 두 배열을 병합할 수 있습니다. 이렇게 하면 두 배열을 각각 1차원 배열로 만든뒤 원소를 합쳐 출력합니다.
arr1 = np.arange(1, 13).reshape(3, 4)
arr2 = np.arange(13, 25).reshape(3, 4)
print(arr1)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
print(arr2)
>> [[13 14 15 16]
[17 18 19 20]
[21 22 23 24]]
arr5 = np.append(arr1, arr2)
print(arr5)
>> [ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24]🔎1차원 배열 분할
1차원인 하나의 배열을 여러개의 배열로 분할 할 수 있습니다. 예제를 통해 알아봅시다.
arr = np.arange(1, 13)
print(arr)
>> [ 1 2 3 4 5 6 7 8 9 10 11 12]
arr = np.split(arr, 6)
print(arr)
>> [array([1, 2]), array([3, 4]), array([5, 6]), array([7, 8]), array([ 9, 10]), array([11, 12])]split()함수의 매개변수에는 배열과, 분할하고 싶은 개수를 입력할 수 있습니다.
🔎2차원 배열 분할
2차원 배열을 여러개의 배열로 분할 할 수 있습니다. 역시 axis가 중요 매개변수입니다.
🔔vsplit()
vsplit()함수는 split()함수에 매개변수 axis=0을 적용시킨 것을 하나의 함수로 만든 것으로, 행을 각각 쪼개듯이 분할합니다. 예제를 통해 알아봅시다.
arr = np.arange(1, 13).reshape(3, 4)
print(arr)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
arr_vsplit = np.vsplit(arr, 3)
print(arr_vsplit)
>> [array([[1, 2, 3, 4]]), array([[5, 6, 7, 8]]), array([[ 9, 10, 11, 12]])]몇개의 배열로 나눌 것인지를 입력할 수 있습니다. 상식적으로 3행 4열짜리 배열을 행을 쪼개듯이 4개의 배열로 만들수는 없는 것입니다.
🔔hsplit()
hsplit()함수는 split()함수에 매개변수 axis=1을 적용시킨 것을 하나의 함수로 만든 것으로, 열을 각각 쪼개듯이 분할합니다. 예제를 통해 알아봅시다.
arr = np.arange(1, 13).reshape(3, 4)
print(arr)
>> [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
arr_hsplit = np.hsplit(arr, 2)
print(arr_hsplit)
>> [array([[ 1, 2],
[ 5, 6],
[ 9, 10]]), array([[ 3, 4],
[ 7, 8],
[11, 12]])]