[numpy] ndarray의 shape과 관련된 함수들

---

• reshape()
• revel()
• resize()

 

reshape()

ndarray의 차원과 크키 변경

 

arr = np.arange(10)
print(arr)

arr2 = arr.reshape(2, 5)
print(arr2)

arr3 = arr.reshape(5, -1)
print(arr3)

# arr
[0 1 2 3 4 5 6 7 8 9]

# arr2
[[0 1 2 3 4]
 [5 6 7 8 9]]
 
 
 # arr3
 [[0 1]
 [2 3]
 [4 5]
 [6 7]
 [8 9]]

-1을 인자로 사용하면 원래 배열과 호환되는 새로운 shape으로 변환해 주며,

지정된 사이즈로 변경이 불가능하면 error가 나타난다.

(= 요소의 수가 맞지 않으면 view가 생성되지 않는다.)

arr4 = arr.reshape(4, -1)
print(arr4)

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
Input In [34], in <cell line: 1>()
----> 1 arr4 = arr.reshape(4, -1)
      2 print(arr4)

ValueError: cannot reshape array of size 10 into shape (4,newaxis)

요소 10개짜리 1차원 array를 4개의 행을 가진 행렬로 나타낼 수 없기 때문에 error가 난다.  

 

위에서 view라는 표현을 썼는데 reshape은 원래의 데이터의 shape을 바꾸어 보여주는 view의 역할으로

원래의 데이터와 값을 공유한다. 

arr = np.array([[1,2,3,4,5,6],[7,8,9,10,11,12]])
print("arr: \n",arr)
new_arr = arr.reshape(3,4)
print("new_arr: \n",new_arr)

new_arr[0,0] = 100
print("arr: \n", arr)
print("new_arr: \n",new_arr)

arr: 
 [[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]
new_arr: 
 [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
arr: 
 [[100   2   3   4   5   6]
 [  7   8   9  10  11  12]]
new_arr: 
 [[100   2   3   4]
 [  5   6   7   8]
 [  9  10  11  12]]

new_arr의 값을 바꾸니 arr값도 바뀐 것을 확인할 수 있다.

따라서 복사본을 만들고 싶다면 copy()를 이용해야한다.

copy_arr = arr.reshape(3,4).copy()
print("copy_arr: \n",copy_arr)
print()
copy_arr[0,0] = 486
print("arr: \n", arr)
print("copy_arr: \n",copy_arr)

copy_arr: 
 [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

arr: 
 [[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]
copy_arr: 
 [[486   2   3   4]
 [  5   6   7   8]
 [  9  10  11  12]]

reshape은 주로 (-1, 1) 형태로 자주 사용된다.
어떤 형태의 array도 2차원의 컬럼이 1개인 ndarray로 변환시킬 수 있어, stack이나 concat으로 결합할 때 형태를 통일하기위해 사용

 

 

resize()

요소의 개수에 관계없이 ndarray를 변경한다.

부족한 요소는 0으로 채우고, 남는 값은 버린다.

resize 또한 복사본을 만들지 않고 원본을 변경한다.

resize는 데이터 손실의 위험이 있어 잘 사용하지 않는다.

arr = np.array([[1,2,3,4,5,6],[7,8,9,10,11,12]])
new_arr = arr.resize(3,5) #이렇게 사용하지 않음
# arr.resize(3,5) 이렇게 사용하는 것이 맞다.
print(new_arr)
print(arr)

arr.resize(2,3)
print(arr)

None
[[ 1  2  3  4  5]
 [ 6  7  8  9 10]
 [11 12  0  0  0]]
 
 [[1 2 3]
 [4 5 6]]

 

 

ravel()

1차원의 view를 만들어준다.

arr = np.array([[1,2,3,4,5,6],[7,8,9,10,11,12]])
one_d_arr = arr.ravel()
print(one_d_arr)

new_arr = arr.reshape(12)
# ravel과 같은 역할
print(new_arr)

[ 1  2  3  4  5  6  7  8  9 10 11 12]

[ 1  2  3  4  5  6  7  8  9 10 11 12]