[Numpy 배열 연산] -2

임동윤·2022년 10월 3일

numpy python 프로그래머스 인공지능 데브코스

Python 데이터 다루기

목록 보기

2/16

브로드캐스팅

Numpy에서는 같은 모양의 배열이 아니더라도 연산이 가능합니다.

상수를 배열에 더하거나
모양이 다른 배열끼리 덧셈 연산이 가능합니다(단, 특정 조건을 갖춘 배열이여야 합니다).

이와 같이 Numpy에서 배열의 모양이 다르더라도 자동으로 맞춰 연산하는 것을 브로드캐스팅이라고 합니다.

>>> A = [
   [10, 10, 10, 20, 20],
   [21, 87, 31, 25, 64],
   [16, 39, 10, 23, 30],
   [88, 13, 52, 12, 47],
   [53, 23, 41, 16, 73]
   ]
  >>> A = np.array(A)
  >>> result1 = A + 13
  >>> print(result1)
    [[23 23 23 23 23]
    [33 33 33 33 33]
    [43 43 43 43 43]
    [53 53 53 53 53]
    [63 63 63 63 63]]

  >>> B = np.array([1, 2, 3, 4, 5])
  >>> result2 = A + B
  >>> print(result2)
     [[11 12 13 14 15]
     [21 22 23 24 25]
     [31 32 33 34 35]
     [41 42 43 44 45]
     [51 52 53 54 55]]

Numpy dot 메소드

Numpy의 dot()메소드를 이용하여 2차원 배열(행렬) 곱을 연산합니다.

행렬 곱셈 연산과 행렬 곱 차이

*연산자를 사용하여 행렬 간 같은 위치(인덱스)의 요소별로 곱셈 연산과 행렬 곱 연산은 아래 그림과 같이 다르게 연산합니다.

dot 메소드

dot 연산은 다음과 같이 구현할 수 있습니다.
1. A.dot(B)
2. np.dot(A, B)
```
>>> import numpy as np

>>> A = np.array([[1, 2], [2, 3]])
>>> B = np.array([[4, 1], [6, 7]])

>>> print(A * B)  
[[4 2] 
[12 21]]

>>> print(A.dot(B))
[[16 15] 
[26 23]]

>>> print(np.dot(A, B))
[[16 15] 
[26 23]]
```
- 직접 계산하여 구한 행렬 곱 연산 결과와 코드에서 출력된 연산 결과가 동일합니다. 그리고 앞서 언급했던 *연산자를 사용한 연산 결과와 dot 함수를 사용한 연산 결과가 다른 것도 알 수 있습니다.

1차원 행렬 슬라이싱 1

Numpy의 슬라이싱을 이용하면 1차원 배열의 특정 구간의 요소들을 읽어올 수 있습니다.

1차원 리스트 및 배열의 슬라이싱

1차원 리스트 슬라이싱을 할 때 li[start:end]와 같이 작성하면 list인 li에서 start 이상 end 미만의 요소들을 선택합니다. 1차원 배열 슬라이싱도 마찬가지로 arr[start:end]와 같이 작성하면 numpy.ndarray인 arr에서 start 이상 end 미만의 요소들을 선택합니다. 아래 코드를 보며 확인해보도록 하겠습니다.
- 1차원 리스트 슬라이싱
  1. 크기가 10인 1차원 리스트를 생성한다.
  2. 세 번째부터 여섯 번째까지 요소들을 선택하여 리스트를 출력한다.
```
>>> li = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> print(li[3:7])
[4, 5, 6, 7] 
```
- 1차원 배열 슬라이싱
  1. 크기가 10인 1차원 배열을 선언한다.
  2. 세 번째부터 여섯 번째까지 요소들을 선택하여 배열을 출력한다.
```
>>> import numpy as np

>>> arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
>>> print(arr[3:7])
[4 5 6 7]
```
- 1차원 리스트 및 배열은 타입만 list, numpy.ndarray로 다를 뿐, 둘 다 동일한 방식으로 코드를 작성하여 슬라이싱을 할 수 있습니다.

1차원 행렬 슬라이싱 2

Numpy의 슬라이싱을 이용하면 1차원 배열의 특정 구간의 요소들을 변경할 수 있습니다.

1차원 리스트의 슬라이싱을 이용한 값 변경

리스트는 슬라이싱을 한 구간의 크기와 상관없이 임의의 list를 대입하여도 에러가 발생하지 않고 변경됩니다.

>>> import numpy as np

>>> arr= np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
>>> arr[3:7] = np.array([100, 45, 60, 75])
>>> print(arr)
[  1   2   3 100  45  60  75   8   9  10]
>>> arr[3:7] = np.array([1, 1, 1, 1, 1])
ValueError: could not broadcast input array from shape (5,) into shape (4,)

1차원 배열의 슬라이싱을 이용한 값 변경

list의 리스트와 달리 numpy.ndarray의 배열을 슬라이싱하여 값을 변경할 때, 크기 또는 모양이 맞지 않으면 에러를 발생합니다. 즉, 슬라이싱을 이용하여 값을 변경할 때는 대입할 배열의 모양이 슬라이싱을 한 구간과 일치해야 합니다.

>>> import numpy as np

>>> arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
>>> arr[3:7] = 100
>>> print(arr)
[  1   2   3 100 100 100 100   8   9  10]

브로드캐스팅, 슬라이싱을 이용한 값 변경

>>> import numpy as np

>>> arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
>>> arr[3:7] = 100
>>> print(arr)
[  1   2   3 100 100 100 100   8   9  10]

브로드캐스팅이 적용되어 100을 크기가 4인 1차원 배열로 확장시킨 후 arr에 대입하였습니다. 그 결과 3번 인덱스부터 6번 인덱스까지 100으로 변경된 것을 확인할 수 있습니다.

2차원 행렬 슬라이싱 1

Numpy를 사용하여 2차원 배열의 슬라이싱을 해봅시다.

2차원 리스트 및 배열의 슬라이싱

2차원 리스트 및 배열의 슬라이싱에 대해서 list와 numpy.ndarray는 다른 방식으로 코드를 작성합니다. 둘의 차이점에 대해서 비교하고 고차원 배열을 슬라이싱할 때 간단하게 작성할 수 있는 Numpy의 슬라이싱 기능을 살펴봅시다.

2차원 리스트 슬라이싱

>>> li = [
    [1, 2, 3, 4, 5], 
    [4, 5, 6, 7, 8], 
    [5, 6, 7, 8, 9], 
    [10, 11, 14, 15, 17]
]

>>> li2 = []
>>> for i in range(1, 3):
...    li2.append(li[i][2:4])
...
>>> print(li2)
[[6, 7], [7, 8]]

>>> print([x[2:4] for x in li[1:3]])
[[6, 7], [7, 8]]

새로운 리스트 li2을 생성하고 for문과 1차원 리스트 슬라이싱을 이용하여 2차원 리스트 슬라이싱을 했습니다. 이처럼 2차원 리스트의 슬라이싱 코드는 앞서 1차원 리스트 슬라이싱보다 비교적 간단하지 않습니다.

2차원 배열 슬라이싱

특정 요소 읽어오기에서 우리는 ,를 기준으로 차원을 구별하여 인덱싱을 한 적이 있습니다. 슬라이싱도 마찬가지로 ,를 기준으로 차원을 구별하고, 각 차원마다 특정 구간을 슬라이싱하여 요소들을 선택할 수 있습니다. 그럼 Numpy의 2차원 배열 슬라이싱 방식을 살펴보겠습니다.

>>> import numpy as np

>>> arr = np.array([
    [1, 2, 3, 4, 5], 
    [4, 5, 6, 7, 8], 
    [5, 6, 7, 8, 9], 
    [10, 11, 14, 15, 17]
])
>>> print(arr[1:3, 2:4])
[[6 7]
 [7 8]]

이처럼 Numpy의 슬라이싱 기능을 사용하면 2차원 이상의 고차원 배열일지라도 쉽게 특정 구간을 선택할 수 있습니다.

2차원 배열 슬라이싱 2

Numpy를 이용하여 2차원 배열의 슬라이싱을 이용한 값 변경을 해봅시다.

2차원 배열의 슬라이싱을 이용한 값 변경

일반적인 슬라이싱을 이용한 값 변경

2차원 슬라이싱도 1차원 슬라이싱과 마찬가지로 값을 변경할 때는 동일한 모양의 배열로 대입해야 합니다.

>>> import numpy as np

>>> arr = np.array([
    [1, 2, 3, 4, 5], 
    [4, 5, 6, 7, 8], 
    [5, 6, 7, 8, 9], 
    [10, 11, 14, 15, 17]
])
>>> arr[1:3, 1:3] = np.array([[10, 20], [30, 40]])
>>> print(arr)
[[ 1   2   3   4   5]
 [ 4  10  20   7   8]
 [ 5  30  40   8   9]
 [10  11  14  15  17]]

브로드캐스팅 슬라이싱을 이용한 값 변경

브로드캐스팅을 통해 선택한 구간 내 요소들의 값을 10으로 변경했습니다.

>>> import numpy as np

>>> arr = np.array([
    [1, 2, 3, 4, 5], 
    [4, 5, 6, 7, 8], 
    [5, 6, 7, 8, 9], 
    [10, 11, 14, 15, 17]
])
>>> arr[1:3, 1:3] = 10
>>> print(arr)
[[ 1   2   3   4   5]
 [ 4  10  10   7   8]
 [ 5  10  10   8   9]
 [10  11  14  15  17]]