ndArray 연산
파이썬은 C 와 Java 등의 프로그래밍 언어와 비교하였을 때, 수 많은 작은 연산이 반복되는 상황에 사용하기에 적절한 언어는 아닙니다. 그래서 대규모의 배열 연산에 for문과 while문 등의 반복문을 사용하는 것은 매우 비효율적 입니다.
1. 유니버셜 함수
Numpy의 유니버셜 함수 는 ndArray에 대해 반복된 연산을 빠르게 수행하는 것을 목적으로 하는 함수입니다.
유니버셜 함수는 파이썬의 기본 산술 연산자를 사용하기 때문에, 함수 이름을 알고 있지 않아도 됩니다.
import numpy as np
x = np.arange(4)
y = np.linspace(1, 10, 4)
print(x) # [0, 1, 2, 3]
print(y) # [1, 4, 7, 10]
print(x + y) # [1, 5, 9, 13]
print(x - y) # [-1, -3, -5, -7]
print(x * y) # [0, 4, 14, 30]
print(x / y) # [0, 0.25, 0.28671429, 0.3]
실습
두 개의 ndArray 간 연산을 수행하는 실습을 진행해보도록 하겠습니다.
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.array([0, 1, 0, 1, 0])
print(x + y)
print(x - y)
print(x * y)
print(x / y)
print(x ** y)
2. 브로드캐스팅
브로드캐스팅 이란 다른 크기의 배열 간 연산을 위해, 작은 차원의 배열을 복제함으로써 큰 차원의 배열과 작은 차원의 배열의 크기를 맞추는 일련의 규칙 집합을 의미합니다.
import numpy as np
x = np.array([0, 1, 2])
print(x + 5) # [5, 6, 7]
A = np.ones((3, 3)) # [[1, 1, 1], [1, 1, 1], [1, 1, 1]]
print(A + x) # [[1, 2, 3], [1, 2, 3], [1, 2, 3]]
위의 코드에서 x는 크기가 3인 배열이며, A는 크기가 (3, 3)인 배열이므로,
x 와 상수 5의 연산과 A와 x간 연산이 불가능할 것이라 생각할 수 있습니다.
실제로 x와 A를 ndArray가 아닌 list 로 정의했다면 연산이 되지 않고 에러가 발생하게 됩니다.
그러나 아래 그림과 같이 브로드캐스팅 덕분에 연산이 수행되는 것을 확인할 수 있는데, 여기서 색칠된 요소는 복제된 요소를 의미합니다.
브로드캐스팅 적용 결과로 배열 구조가 실제로 바뀌는 것은 아니며, 연산이 끝나는대로 원래 구조대로 돌아오게 됩니다.
실습
표준화
Numpy의 함수를 사용하여 10개의 난수로 구성된 배열의 평균과 표준편차를 구하고, 유니버셜함수와 브로드캐스팅을 사용하여 배열을 표준화(standardization) 하는 코드입니다.
import numpy as np
X = np.random.random(10)
print('생성된 배열=', X)
X_mean = X.mean()
print('X평균=', X_mean)
X_std = X.std()
print('X표준편차=', X_std)
X_standardization = (X - X_mean) / X_std # 여기서 유니버셜과 브로드캐스팅이 이루어진다.
print('표준화된 배열=', X_standardization)
3. 비교 연산
널리 쓰이는 비교 연산은 다음과 같습니다.
| 비교연산자 | 설명 |
|---|---|
| x < y | x가 y보다 작다. |
| x > y | x가 y보다 크다. |
| x == y | x와 y가 같다. |
| x != y | x와 y가 같지 않다. |
| x >= y | x가 y보다 크거나 같다. |
| x <= y | x가 y보다 작거나 같다. |
| x in A | x가 A에 속한다. |
| x not in A | x가 A에 속하지 않는다. |
비교 연산의 결과는 항상 bool 타입 입니다.
numpy에서는 ndArray와 ndArray간 비교 연산을 지원합니다. 이는 유니버셜 함수의 개념과 같습니다.
import numpy as np
A = np.array([1, 2, 3, 4, 5])
B = np.array([3, 2, 5, 4, 1])
print( A== B ) # array([False, True, False, True, False])
브로드캐스팅의 개념과 유사하게, numpy에서는 ndArray와 단일 스칼라와의 비교 연산도 지원합니다.
import numpy as np
A = np.array([1, 2, 3, 4, 5])
print(A == 2) # array([False, True, False, False, False])
실습
비교 연산 실습과 활용
본 실습에서는 비교 연산 및 그 결과를 활용하는 방법을 실습해보겠습니다.
import numpy as np
A = np.array([1,2,3,4,5])
print('A의 요소중 2보다 크거나 같음을 판별=', A >= 2) # [False True True True True]
print('A의 요소중 2보다 크거나 같은것은 몇개?=', sum(A >= 2)) # True 가 4개라서 4
print('A의 요소중 2보다 크거나 같은것만 리스트=', A[A >= 2])
A[A >= 2] = A[False, True, True, True, True] = [2, 3, 4, 5]