Indexing 및 Slicing

데이터를 불러올 때 전체를 가져오는게 아니라 일부만 가져올 때 indexing 또는 slicing 이 사용된다.

ndarray 는 어떻게 indexing 과 slicing 을 하는지 설명한다.

기본 Indexing 및 Slicing

python 의 list 또는 tuple 과 비슷하지만 약간의 차이가 존재한다.

1. Indexing

• 2가지 방법이 기본적이다.

  • 이중 list로 생각해서 python 의 list 와 똑같이 구할 수 있다.

    arr = np.arange(0,6).reshape((2,3)).copy()
    print(arr)        #[[0 1 2]
    			      # [3 4 5]]
    print(arr[1][1])  # 4
    print(arr[1][2])  # 5
    

  • matrix coordinate로 생각해서 구할 수 있다.

    print(arr[1,1])   # 4
    print(arr[1,2])   # 5
    

2. Slicing

• 1-dimensional ndarray

  • python 의 list와 같다.

    arr = np.arange(0,6)
    print(arr)         # [0 1 2 3 4 5]
    print(arr[1:3])    # [1 2]
    

• 2-dimensional ndarray

  • 1-dimensional row 뽑아내기

    np.random.seed(0)
    arr = np.random.randint(0,12,(3,4))
    print(arr)          # [[ 5  0  3 11]
    					#  [ 3  7  9  3]
    					#  [ 5  2  4  7]]
    print(arr[2])       # [5 2 4 7]
    print(arr[0])       # [ 5  0  3 11]
    

  • 1-dimensional col 뽑아내기

    print(arr[0:,1])    # [0 7 2]
    print(arr[0:,2])    # [3 9 4]
    

  • 부분 2-dimensional ndarray 뽑아내기

    print(arr[1:,1:3])  # [[7 9]
    				    #  [2 4]]
            
    ## 다음과 같이 indexing과 같이 생각하면 원하는것을 뽑아내지 못한다.
    print(arr[1:])      # [[3 7 9 3]
     					#  [5 2 4 7]]
    print(arr[1:][1:])  # [[5 2 4 7]]
    # arr[1:]이 2-dimensional ndarry이기 때문에 
    # arr[1:][1:] 도 다시 2-dimensional ndarray가 된다.
    

Boolean indexing

True, False로 구성된 boolean mask를 이용하여 True에 해당하는 index만을 조회하는 방식이다.

import numpy as np

np.random.seed(1)
arr = np.random.randint(0,10,(7,))
print(arr)                   # [5 8 9 5 0 0 1]
print(arr % 2 == 0)          # [False  True False False False]
print(arr[arr % 2==0])       # [8 0 0]

Fancy indexing

ndarray에 index 배열을 전달하여 배열요소를 참조하는 방식이다.

• 1-dimension (결과가 1 dimension)

  import numpy as np
    
  arr= np.arange(0,12).reshape(3,4).copy()
  print(arr)              # [[ 0  1  2  3]
  						#  [ 4  5  6  7]
  						#  [ 8  9 10 11]]
  print(arr[[1,2],2])     # [ 6 10]
  print(arr[2,[1,2]])     # [ 9 10]  
  print(arr[[0,2],2:3])   # [[ 2]
  						#  [10]]
  

• 2-dimension (결과가 2 dimension)

  • fancy indexing은 row, column 모두 동시에 사용할 수 없다. 다음 예제를 보면 알 수 있다.

    print(arr)              # [[ 0  1  2  3]
    						#  [ 4  5  6  7]
    						#  [ 8  9 10 11]]
    print(arr[[1,2],[1,2]]) #  [ 5 10]       
    # 위에서 의도한 것은 [[5 6]
    #				   9 10]]
    

  • 해결 방법-1 : 두번에 걸처서 진행한다.

    print(arr[[1,2]])           # [[ 4  5  6  7]
    							#  [ 8  9 10 11]]
    print(arr[[1,2]][:,[1,2]])  # [[ 5  6]
    							# [ 9 10]]
  

  • 해결 방법-2 : ix_ 함수를 사용한다

    print(arr[np.ix_([1, 2], [1, 2])])   # [[ 5  6]
    									 # [ 9 10]]
    print(np.ix_([1, 2], [1, 2]))        # (array([[0],
            							 #	      [2]]), array([[1, 3]]))