[NumPy] #4 배열 변환

 

 

### 2021.12.18

 

 

 

배열 전치 및 축 변경

#In[]
import numpy as np

a2 = np.array([[1,2,3,], [4,5,6], [7,8,9]])

print(a2)
print(a2.T)

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

[[1 4 7]
 [2 5 8]
 [3 6 9]]

#In[]
a3 = np.array([[[1,2,3], [4,5,6], [7,8,9]],
               [[1,2,3], [4,5,6], [7,8,9]],
               [[1,2,3], [4,5,6], [7,8,9]]])

print(a3)
print(a3.T)

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

 [[1 2 3]
  [4 5 6]
  [7 8 9]]

 [[1 2 3]
  [4 5 6]
  [7 8 9]]]
----------------------
[[[1 1 1]
  [4 4 4]
  [7 7 7]]

 [[2 2 2]
  [5 5 5]
  [8 8 8]]

 [[3 3 3]
  [6 6 6]
  [9 9 9]]]

#In[]
print(a2)
print(a2.swapaxes(1,0))

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

[[1 4 7]
 [2 5 8]
 [3 6 9]]

#In[]
print(a3)
print(a3.swapaxes(0,1))       #0차원 축과 1차원 축을 바꿔라
print(a3.swapaxes(1,2))       #1차원 축과 2차원 축을 바꿔라

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

 [[1 2 3]
  [4 5 6]
  [7 8 9]]

 [[1 2 3]
  [4 5 6]
  [7 8 9]]]
-------------------
[[[1 2 3]
  [1 2 3]
  [1 2 3]]

 [[4 5 6]
  [4 5 6]
  [4 5 6]]

 [[7 8 9]
  [7 8 9]
  [7 8 9]]]
------------------
[[[1 4 7]
  [2 5 8]
  [3 6 9]]

 [[1 4 7]
  [2 5 8]
  [3 6 9]]

 [[1 4 7]
  [2 5 8]
  [3 6 9]]]

 

배열 재구조화

• reshape(): 배열의 형상을 변경

#In[]
n1 = np.arange(1, 10)
print(n1)
print(n1.reshape(3,3))

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

[[1 2 3]
 [4 5 6]
 [7 8 9]]

• newaxis(): 새로운 축 추가

#In[1]
print(n1)
#Out[1]
[1 2 3 4 5 6 7 8 9]


#In[2]
print(n1[np.newaxis, :5])
#Out[2]
[[1 2 3 4 5]]


#In[3]
print(n1[:5, np.newaxis])
#Out[3]
[[1]
 [2]
 [3]
 [4]
 [5]]

 

배열 크기 변경 resize()

• 배열 모양만 변경

#In[1]
n2 = np.random.randint(0, 10, (2,5))
print(n2)
#Out[1]
[[4 4 8 0 7]
 [1 1 3 8 9]]

#In[2]
n2.resize((5,2))
print(n2)
#Out[2]
[[4 4]
 [8 0]
 [7 1]
 [1 3]
 [8 9]]

• 배열 크기 증가
• 남은 공간은 0으로 채워짐

#In[]
n2.resize((5,5))
print(n2)

#Out[]
[[7 1 6 8 1]
 [1 8 7 4 3]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]]
 
 #코랩에서 실행이 안되어서 주피터노트북에서 실행!(값이 달라졌음)

• 배열 크기 감소
• 포함되지 않은 값은 삭제됨

#In[]
n2.resize((3,3))
print(n2)

#Out[]
[[7 1 6]
 [8 1 1]
 [8 7 4]]

 

배열 추가

• append(): 배열의 끝에 값 추가

#In[]
a2 = np.arange(1, 10).reshape(3,3)
print(a2)
b2 = np.arange(10,19).reshape(3,3)
print(b2)

#Out[]
[[1 2 3]
 [4 5 6]
 [7 8 9]]
 
[[10 11 12]
 [13 14 15]
 [16 17 18]]

• axis 지정이 없으면 1차원 배열 형태로 변형되어 결합

#In[]
c2 = np.append(a2, b2)
print(c2)

#Out[]
[ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18]

• axis를 0으로 지정
• shape[0]을 제외한 나머지 shape은 같아야 함

#In[]
c2 = np.append(a2, b2, axis = 0)
print(c2)

#Out[]
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]
 [13 14 15]
 [16 17 18]]

• axis를 1로 지정
• shape[1]을 제외한 나머지 shape은 같아야 함

#In[]
c2 = np.append(a2, b2, axis = 1)
print(c2)

#Out[]
[[ 1  2  3 10 11 12]
 [ 4  5  6 13 14 15]
 [ 7  8  9 16 17 18]]

 

 

배열 연결

• concatenate(): 튜플이나 배열의 리스트를 인수로 사용해 배열 연결

#In[1]
a1 = np.array([1,3,5])
b1 = np.array([2,4,6])
np.concatenate([a1,b1])

#Out[1]
array([1, 3, 5, 2, 4, 6])

#In[2]
c1 = np.array([7,8,9])
np.concatenate([a1,b1,c1])

#Out[2]
array([1, 3, 5, 2, 4, 6, 7, 8, 9])

#In[1]
a2 = np.array([[1,2,3,],
               [4,5,6]])
np.concatenate([a2,a2])
#Out[1]
array([[1, 2, 3],
       [4, 5, 6],
       [1, 2, 3],
       [4, 5, 6]])
       
#In[2]
np.concatenate([a2,a2],axis=1)
#Out[2]
array([[1, 2, 3, 1, 2, 3],
       [4, 5, 6, 4, 5, 6]])

• vstack(): 수직 스택(vertical stack), 1차원으로 연결

#In[]
np.vstack([a2,a2])

#Out[]
array([[1, 2, 3],
       [4, 5, 6],
       [1, 2, 3],
       [4, 5, 6]])

• hstack(): 수평 스택(horizontal stack), 2차원으로 연결

#In[]
np.hstack([a2,a2])

#Out[]
array([[1, 2, 3, 1, 2, 3],
       [4, 5, 6, 4, 5, 6]])

• dstack(): 깊이 스택(depth stack), 3차원으로 연결

#In[]
np.dstack([a2,a2])

#Out[]
array([[[1, 1],
        [2, 2],
        [3, 3]],

       [[4, 4],
        [5, 5],
        [6, 6]]])

• stack(): 새로운 차원으로 연결

#In[]
np.stack([a2,a2])

#Out[]
array([[[1, 2, 3],
        [4, 5, 6]],

       [[1, 2, 3],
        [4, 5, 6]]])

 

배열 분할

• split(): 배열 분할

#In[1]
a1 = np.arange(0,10)
print(a1)
#Out[1]
[0 1 2 3 4 5 6 7 8 9]

#In[2]
b1, c1 = np.split(a1,[5])
print(b1, c1)
#Out[2]
[0 1 2 3 4] [5 6 7 8 9]

#In[3]
np.split(a1, [2,4,6,8])
#Out[3]
[array([0, 1]), array([2, 3]), array([4, 5]), array([6, 7]), array([8, 9])]

• vsplit(): 수직 분할, 1차원으로 분할

#In[]
a2 = np.arange(1, 10).reshape(3,3)
print(a2)

b2, c2 = np.vsplit(a2, [2])
print(b2)
print(c2)

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

• hsplit(): 수평 분할, 2차원으로 분할

#In[]
a2 = np.arange(1, 10).reshape(3,3)
print(a2)

b2, c2 = np.hsplit(a2, [2])

print(b2)
print(c2)

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

• dsplit(): 깊이 분할, 3차원으로 분할

#In[]
a3 = np.arange(1, 28).reshape(3,3,3)
print(a3)

b3, c3 = np.dsplit(a3, [2])

print(b3)
print(c3)

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

 [[10 11 12]
  [13 14 15]
  [16 17 18]]

 [[19 20 21]
  [22 23 24]
  [25 26 27]]]
--------------------
[[[ 1  2]
  [ 4  5]
  [ 7  8]]

 [[10 11]
  [13 14]
  [16 17]]

 [[19 20]
  [22 23]
  [25 26]]]
-----------------
[[[ 3]
  [ 6]
  [ 9]]

 [[12]
  [15]
  [18]]

 [[21]
  [24]
  [27]]]