NumPy 는 과학적 계산에 사용되는 널리 사용되는 Python 라이브러리입니다. NumPy 는 수치 데이터 분석에 유용한 고성능 배열 연산과 수학 함수를 제공합니다. 이 Lab 에서는 NumPy 의 슬라이싱 (slicing) 및 인덱싱 (indexing) 기능을 배우게 됩니다.
슬라이싱은 인덱스 범위를 지정하여 배열의 하위 집합을 추출하는 과정입니다. NumPy 배열은 콜론 : 연산자를 사용하여 슬라이싱할 수 있습니다.
터미널에서 다음 명령을 입력하여 Python 셸을 엽니다.
python3NumPy 는 이미 설치되어 있으므로 Python 코드에서 임포트할 수 있습니다.
import numpy as np## 1 차원 배열 생성
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
## 인덱스 2 부터 인덱스 5 까지 배열 슬라이싱
print(a[2:5])출력:
[2 3 4]다차원 배열도 슬라이싱할 수 있습니다.
## 2 차원 배열 생성
b = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
## 처음 두 행과 처음 두 열 슬라이싱
print(b[:2, :2])출력:
[[0 1]
[3 4]]부울 인덱싱은 조건을 기반으로 배열을 필터링할 수 있는 강력한 기능입니다. 기존 배열에 논리 연산자를 적용하여 부울 배열을 생성할 수 있습니다.
c = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])mask = c > 5
print(mask)출력:
[False False False False False False True True True True]print(c[mask])출력:
[6 7 8 9]팬시 인덱싱은 인덱스 배열을 사용하여 배열을 인덱싱하는 방법입니다. 이 기술을 사용하여 배열의 특정 요소 또는 하위 집합을 추출할 수 있습니다.
## 1 차원 배열 생성
d = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
## 인덱스 배열 생성
indices = np.array([1, 3, 5])
## 팬시 인덱싱을 사용하여 지정된 인덱스에서 요소 추출
print(d[indices])출력:
[1 3 5]## 1 차원 배열 생성
e = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
## 인덱스 배열 생성
indices = np.array([1, 3, 5])
## 지정된 인덱스에서 요소에 값 10 할당
e[indices] = 10
print(e)출력:
[ 0 10 2 10 4 10 6 7 8 9]축하합니다! NumPy 슬라이싱 (Slicing) 및 인덱싱 (Indexing) 랩을 완료했습니다.
이 랩에서는 NumPy 배열의 슬라이싱 및 인덱싱의 기본 사항을 다루었습니다.
