[Python] Numpy - 배열 인덱싱(Array Indexing)

정수 배열 인덱싱

배열에서 하나의 단일한 원소를 엑세스 할 경우 tuple로 인덱싱

이것의 목적은 배열에 저장된 여러개의 값을 한꺼번에 뽑아내서 또 다른 하나의 배열을 생성하려는 것이다.

슬라이싱을 하면 원본 배열의 연속적인 배열이거나, 혹은 일정한 규칙을 따라서 잘라낸 형태지만,

정수 배열 인덱실은 불규칙적으로 원본 배열의 일부를 뽑을 수 있다.

 

*슬라이싱은 단지 원본 배열에 대한 새로운 View를 생성하는것에 지나지 않지만, 정수배열 인덱싱은 새로운 배열 객체를 생성한다.

 

1차원 배열에 대한 정수 배열 인덱싱

인덱스로 사용된 배열의 각 값은 그 자리에 올 원래 배열의 값의 위치를 표시한다.

x = np.arange(10, 1, -1)
print(x) #[10  9  8  7  6  5  4  3  2]

print(x[np.array([3, 3, 1, 8])])
#[7 7 9 2]

print(x[[3, 3, 1, 8]]) #리스트는 배열로 암묵적으로 변환가능하다. 즉 동일하다.
#[7 7 9 2]

 

print(x[np.array([3, 3, -3, 8])])
#[7 7 4 2]

당연하겠지만 음수 인덱스도 가능하다.

 

print(x[np.array([[1, 1], [2, 3]])])

#[[9 9]
#[8 7]]

1차원 배열을 다차원 배열로  인덱싱할 수도 있다. 리턴되는 결과는 항상 인덱스 배열과 동일한 shape의 배열이고,

값은 인덱스 배열에 의해서 지정한 값들이다.

 

다차원 배열에 대한 정수 배열 인덱싱

y = np.arange(35).reshape(5, 7)
print(y)

#[[ 0  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]
#[28 29 30 31 32 33 34]]

#1
print(y[np.array([0, 2, 4]), np.array([0, 1, 2])])
#print(y[[0, 2, 4], [0, 1, 2]])

#[ 0 15 30]

#2
print(y[np.array([[0, 1], [2, 3]]), np.array([[4, 5], [2, 3]])])

#[[ 4 12]
#[16 24]]

다차원 배열이 배열로 인덱싱 될 경우에는 규칙이 좀더 복잡해진다.  

우선 간단한 경우는 rank개의 인덱스 배열로 제공되고, 모든 인덱스 배열들이 동일한 shape을 가지는 경우이다.

이 경우 인덱스 배열과 동일한 shape를 가지게 되고, 배열의 값은 각각의 차원에 대해 그 차원에 대응하는 인덱스 배열의 값을 인덱스로

하는 값이다.

 

참고

#1 -> 0행 0열 / 2행 1열 / 4행 2열

#2 -> 0행 4열 / 1행 5열 / 2행 2열 / 3행 3열

 

인덱스 배열들이 서로 동일한 shape이 아닐 경우에는 동일한 shape으로 만들기 위해 broadcast를 시도하는데...

아직 배우지 않았으므로 생략한다.

 

원래 배열의 rank보다 적은 개수의 인덱스 배열을 사용하여 인덱싱할 수도 있다.

print(y[np.array([0, 1, 4])])

#[[ 0  1  2  3  4  5  6]
#[ 7  8  9 10 11 12 13]
#[28 29 30 31 32 33 34]]

이 경우 인덱스 배열에 있는 값에 해당하는 행들을 선택하여 새로운 배열을 만들어 반환한다.

 

불리언 배열 인덱싱(Boolean array indexing)

불리언 배열 인덱싱은 특정 조건을 만족하게 하는 요소만 선택하고자 할 때 자주 사용한다.

a = np.array([[1, 2],
             [3, 4],
             [5, 6]])

bool_idx = (a > 2)
print(a[bool_idx])

#[3 4 5 6]

print(a[a > 2])

#[3 4 5 6]

위 코드와 아래 코드는 같은 결과를 나타낸다.