[numpy] ndarray의 indexing과 slicing

---

indexing의 방법은 기본적으로 python list와 동일하다.

 

2차원 이상의 배열에서는 훨씬 편리하게 슬라이싱을 할 수 있다.

arr = np.arange(0, 25).reshape(5, 5)
print("arr:\n",arr)

print("1 :\n", arr[1:4, 1:4])
print("2 :\n", arr[1:3])
print("3 :\n", arr[:, [0]])
print("4 :\n", arr[1])
print("4-1 :\n", arr[1, :])

arr:
 [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]]
1 :
 [[ 6  7  8]
 [11 12 13]
 [16 17 18]]
2 :
 [[ 5  6  7  8  9]
 [10 11 12 13 14]]
3 :
 [[ 0]
 [ 5]
 [10]
 [15]
 [20]]
4 :
 [5 6 7 8 9]
4-1 :
 [5 6 7 8 9]

 

fancy indexing

fancy indexing을 이용하면 범위가 아니라 요소별로 인덱싱, 슬라이싱이 가능하다

이를 이용하면 5*5 배열에서 대각선 요소만 가져오는 것도 가능하다.

 

arr:
 [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]]

 

print(arr[[1,3], 3])

[ 8 18]

 

 

print(arr[[0,1,2,3,4],[0,1,2,3,4]])

[ 0  6 12 18 24]

 

arr2 = np.arange(0,12,1).reshape(3,4)
print(arr2)
print(arr2[0:2,[1,3]]) # 행에 대해서는 슬라이싱, 열에 대해서는 fancy indexing.

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
 
[[1 3]
 [5 7]]

 

arr2에서 5,7,9,11만 인덱싱하고자 다음과 같이 입력하면 오류가 난다.

이는 넘파이 내부 구조때문인데 np.ix_()를 사용하면 해결할 수 있다.

print(arr2([[0,1], [1,3]]))

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Input In [100], in <cell line: 2>()
      1 # 5,7,9,11 
----> 2 print(arr2([[0,1], [1,3]]))

TypeError: 'numpy.ndarray' object is not callable

 

npix = np.ix_([0,2],[1,3])
print(arr2[npix])

[[ 1  3]
 [ 9 11]]

 

boolean indexing

indexing 방법 중 하나로 boolean mask를 이용해서 indexing하는 방법이다.
※ boolean mask는 True, False로만 구성된 ndarray를 boolean mask라고 한다

 

arr = np.arange(0, 25).reshape(5, 5)
print('5의 배수 인덱싱 결과 값 :', arr[arr%5==0])

5의 배수 인덱싱 결과 값 : [ 0  5 10 15 20]

 

b_mask = arr > 10
print(b_mask)

[[False False False False False]
 [False False False False False]
 [False  True  True  True  True]
 [ True  True  True  True  True]
 [ True  True  True  True  True]]

 

print(arr[b_mask])

[11 12 13 14 15 16 17 18 19 20 21 22 23 24]

 

boolean indexing을 사용하면 대용량의 데이터를 조건처리할때

for문과 if문을 쓰지 않고 처리할 수 있다.