numpy 라이브러리(4) 데이터 인덱싱과 boolean 연산

numpy라이브러리의 데이터도 다른 데이터 구조들처럼 데이터를 일정 범위 만큼 불러오거나 

슬라이싱 할수 있다.

 

1. 다차원배열의 인덱스 접근

     행렬데이터에서 원하는 값을 가져오려면 어느행 어느열인지 numpy에 명시하면 된다.

X
>>>> array([[ 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]])
            
#콤마의 왼쪽이 행!, 콤마의 오른쪽은 열을 적어준다.
X[ 1, 2]
>>> 8
X[ 2, 4]
>>> 15

 

2. numpy데이터  슬라이싱

   numpy데이터도 다른 데이터구조들처럼 슬라이싱을 할수가 있다.

   ndarray[start:end] 형식으로 사용된다.

x
>>> array([83, 40, 73, 54, 31, 76, 91, 39, 90, 25])
[ 2: 6+1 ]
>>> array([73, 54, 31, 76, 91])

X
>>> array([[15, 32, 79, 84, 81],
           [71, 67, 83, 86, 56],
           [28, 63, 44, 75, 72],
           [43, 84, 22,  7, 69]])

#데이터를 원하는 범위내로 잘라서 다시 데이터를 만들수 있다.
#이때 따로 뺀 데이터는 원본 데이터와 상태를 공유한다.
Y = X[ 1:2+1 , 1:3+1 ]
Y
>>> array([[100,  41,  74],
           [ 77,  92,  40]])

#원본 데이터와 상태를 공유하지 않고 완전히 분리시키려면 .copy()를 뒤에 써준다.
Y = X[0: 1+1 , 0:2+1].copy()

   

3. 중복된것 제거한 값만 리스트로 가져오기

    np.unique로 중복된 데이터가 없이 데이터만 가져올 수 있다.

page_view = [1,5,3,1,40,22,33,56,12,1,5,3]
page_view=np.array( page_view )

#중복된 데이터를 제공해 주는 함수
np.unique(page_view)
>>> array([ 1,  3,  5, 12, 22, 33, 40, 56])

 

4.boolean 연산

  boolean 연산은 기존에 list구조등에  boolean 연산에서 더 발전하여 더 간단하게 

  연산자를 이용해 원하는 값을 데이터에서 가져올수 있다.

 

X 
>>> array([[84, 41, 74, 55, 32],
           [77, 92, 40, 91, 26],
           [52,  7, 46, 13, 50],
           [67, 76, 86, 70, 65]])

# 80보다 큰 데이터는 몇개??
(X > 80).sum()
>>> 4

# 80보다 큰 데이터를 가져와라.
X[X>80]
>>> array([84, 92, 91, 86]

# 연산자가 2개 들어간 경우에는 &이나|을 쓴다.
X[(X>50)&(X<80)]
>>> array([74, 55, 77, 52, 67, 76, 70, 65])