Python 파이썬 numpy 함수 any, all, where, 행렬 인덱싱(index)과 슬라이싱

안녕하세요, 오늘 포스팅한 내용은 numpy 함수 중 any, all, where 함수 그리고 numpy 행렬 인덱싱(index)와 슬라이싱에 대한 내용입니다. 수계산에 정말 많이 쓰이는 함수입니다. 

1. any, all, where 함수 

 

1) any 함수

   : numpy의 내장함수로서, 행렬 값이, 하나라도 조건 값에 부합하면, 참을 출력하는 함수 입니다. 

     기본 구문은 아래와 같습니다. 

   ->  np.any(조건 값)

 

===============================================================

import numpy as np

test01 = np.arange(10).reshape(2,5)

np.any(test01> 3)

===============================================================

 

- 위에 코드를 실행 시켜 보면, 조건(3 보다 큰게 있냐?!) 에, 하나라도, 부합하게 되면, "True"를 출력하는 걸 확인 하실 수 있습니다. (0~9 니까, 3보다 큰 수는 4,5,6,7,8,9 이렇게 있으니까, True 입니다.)

 

 

 

 

 

2) all 함수

   : numpy의 내장함수로서, 행렬 값이, 모두 조건 값에 부합하면, 참을 출력하는 함수 입니다. 

     기본 구문은 아래와 같습니다. 

   ->  np.all(조건 값)

 

===============================================================

import numpy as np

test01 = np.arange(10).reshape(2,5)

np.all(test01>-1)

===============================================================

 

- 위에 코드를 실행 시켜 보면, 조건(-1 보다 크냐?!) 에 모든 행렬 값이 부합하면, "True"를 출력하는 걸 확인 하실 수 있습니다.

 

 

 

 

3) where 함수

   : numpy의 내장함수로서, 행렬 값이, 조건 값 해당하는 값만 출력을 하는 함수 입니다. 

     기본 구문은 아래와 같습니다. 

   ->  np.where (조건 값)

 

====================================================================

import numpy as np

test01 = np.arange(10).reshape(2,5)

np.where(test01 > 5, test01, 0)     # 조건에 해당하는 것은 그 값을 출력을 하는거고, 아니면 0으로 출력

np.where(test01 > 5, test01, 1)    # 조건에 해당하는 것은 그 값을 출력을 하는거고, 아니면 1으로 출력

np.where(z > 0, z, 0)

====================================================================

 

- 위에 코드를 실행 시켜 보면, 조건에 해당하는 것은 그 값을 출력을 하는거고, 아니면 0 or 1로 채워 넣어라는 구문이 실행되는 걸 확인 하실 수 있습니다.

 

 

 

 

2. numpy 행렬 인덱싱(index)와 슬라이싱 

 

: 인덱스로 값을 출력하는 방법과, 슬라이싱을 이용하여 출력하는 방법을 서로 비교하면서 설명 드리도록 하겠습니다. 

  가장 큰 차이는, 인덱스는 그 한 값을 출력하는것이고, 슬라이싱은 그 범위를 지정하여 출력하는 것입니다. 

  그리고, 그로 인해, 인덱스는 그 값을 출력하니까, 한 행렬이 줄어든 상태에서, 출력이 되고, 슬라이싱은 줄어들지 않고,

  그대로 출력이 됩니다. 아래 예제 구문 참조 부탁 드립니다.

 

Case #1 인덱싱(index)로 출력하는 방법

 

====================================================================

import numpy as np

test01 = np.arange(125).reshape(5,5,5) 

test01[0]  # 인덱싱을 하게 되면 한 차원이 줄은 상태에서, 출력

====================================================================

 

- 위 코드를 실행 시켜 보면, 아래와 같이, [0] 의 인덱스에 위치해 있는 값이 출력되는 걸 확인 하 실 수 있습니다. 하지만, 행렬이 줄어든 상태에서 출력되는 걸 확인 하실 수 있습니다.

 

 

 

 

Case #2 슬라이싱으로, 출력하는 방법

 

====================================================================

import numpy as np

test01 = np.arange(125).reshape(5,5,5)

test01[:]  # 슬라이싱은 행렬을 유지하면서 범위 내용을 출력.

====================================================================

 

- 위 코드를 실행 시켜 보면, 아래와 같이, 전체 행렬을 출력이 되는 걸 알 수 있고, 행렬을 유지되는 것도 확인 하실 수 있습니다. 

 

 

 

 

3. linalg 서브모듈 (np.linalg.inv , np.linalg.solve)

 

 

1) np.linalg.inv
: inverse 라는 단어를 보시고, 눈치 채셨겠지만, 역행렬을 구하는 함수입니다. 중학교 때인지, 고등학교 때 인지는 모르겠지만, 그 때 배웠던 그 역행열입니다. 기본 구문은 아래와 같습니다.

 -> np.linalg.inv(역행렬 변환하고 싶은 행렬 변수)

 

더 쉬운 이해를 돕기 위해서, 간단하게, 예문을 통해서 설명드리겠습니다.

 

============================================================================

import numpy as np

reverse01 = np.random.rand(3,3)

print(np.linalg.inv(reverse01))

 

============================================================================

 

위 코드를 실행을 해보면, 아래와 같은 결과를 보실 수 있습니다. 즉, reserse01의 역행렬을 보실 수 있습니다. 

 

 

 

 

2) np.linalg.solve 선형대수식

 : 선형대수학이라고 하면, 좀 이질적으로 들리시겠지만, 우리가 중, 고등학교에서 해 구할 때 썼던 공식입니다. 기본 코드는 아래와 같습니다. 

-> np.linalg.solve(수식 왼쪽 행렬, 수식 오른쪽 행렬)

 

위 기본 구문으로는 이해가 안되실 수 있으니까, 아래와 예문을 통해서, 설명 드리도록 하겠습니다. 수학공식으로 표현하면 아래와 같습니다. 

 

 

 

============================================================================

import numpy as np

test01 = np.array([[5,3],[1,3]])                       # 왼쪽 행렬

test02 = np.array([20,4])                             # 오른쪽 행렬

result01 = np.linalg.solve(test01,test02)         # 해를 구하는 코드

print (result01)

============================================================================

 

위 코드를 실행을 해보면, 아래와 같은 결과를 보실 수 있습니다. 즉, x, y의 해를 구해줍니다. 그럼 저희 학창시절에, 여기에서 끝나지 않았죠. 검산을 해보는 거죠. 검산하는 식도 아래 설명 드리겠습니다.

 

 

 

-> 검산하는 코드 :  np.allclose(test01@result01,test02)

아래와 같이 해가 정확하게 나왔기 때문에, "True" 값을 출력을 해줍니다.

 

 

이상입니다. 이번 포스팅에서는 numpy 함수 중 any, all, where 함수 그리고 numpy 행렬 인덱싱(index)와 슬라이싱에 대한 내용을 다뤄봤습니다. 이것 저것 하는데 복습안하니까 다 까먹더라구요. 중간 중간 틈틈히 복습해야 될 거 같습니다. 그럼 이만 마무리 하도록 하겠습니다. 감사합니다.

 

제 Posting이 조금이나마 정보 전달에 도움이 되셨길 빌며, 되셨다면, 구독, 댓글, 공감 3종 세트 부탁 드립니다. 감사합니다.

[저작권이나, 권리를 침해한 사항이 있으면 언제든지 Comment 부탁 드립니다. 검토 후 수정 및 삭제 조치 하도록 하겠습니다. 그리고, 기재되는 내용은 개인적으로 습득한 내용이므로, 혹 오류가 발생할 수 있을 가능성이 있으므로, 기재된 내용은 참조용으로만 봐주시길 바랍니다. 게시물에, 오류가 있을때도, Comment 달아 주시면, 검증 결과를 통해, 수정하도록 하겠습니다.]