ndarray의 형태와 차원을 바꾸는 방법을 정리합니다. 해당 개념은 차후 딥러닝 베이스의 이미지 분석에 필수적인 개념입니다.
1
import numpy as np
데이터 형태 바꾸기
- 데이터의 차원, 각 차원의 값을 변경할 수 있다.
ravel & np.ravel
-
다차원배열을 1차원으로 변경
-
‘order’ 파라미터
-
‘C’ - row 우선 변경 (default 값)
-
‘F - column 우선 변경
-
1
2
3
4
array1 = np.arange(15).reshape(3, 5)
print(array1)
# order = 'C'로 '행'을 기준으로 배열이 생성되어있다.
[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]]
np 내장함수의 ravel
1
2
# 열 기준으로 다차원 배열을 1차원으로 변경
np.ravel(array1, order='F')
array([ 0, 5, 10, 1, 6, 11, 2, 7, 12, 3, 8, 13, 4, 9, 14])
일반 함수의 ravel
1
2
temp = array1.ravel()
print(temp)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
차이는 없다. 기능도 동일하다!
1
2
print(temp)
print(array1)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]]
flatten
-
다차원 배열을 1차원으로 변경
-
ravel과의 차이점: copy를 생성하여 변경함(즉 원본 데이터가 아닌 복사본을 반환)
-
‘order’ 파라미터
-
‘C’ - row 우선 변경
-
‘F - column 우선 변경
-
2차원 array를 1차원으로 만들기
1
2
array2 = np.arange(15).reshape(3, 5)
print(array2)
[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]]
1
2
3
4
temp2 = array2.flatten(order='F') # order='F' 컬럼 우선 변경
print(temp2)
# 각 행의 1열, 2열, 3열 순으로 1차원 배열이 되었다.
[ 0 5 10 1 6 11 2 7 12 3 8 13 4 9 14]
1
2
temp2[0] = 100
print(temp2)
[100 5 10 1 6 11 2 7 12 3 8 13 4 9 14]
1
print(array2)
[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]]
flatten은 copy를 생성하여 변경하기 때문에 temp2의 특정값을 100으로 바꾸어도 기존 array2에는 영향이 없다.
3차원 array를 1차원으로 만들기
1
2
array3 = np.arange(30).reshape(2, 3, 5)
print(array2)
[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]]
1
array2.ravel()
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
1
array3.flatten()
array([ 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])
reshape 함수
-
array의 shape을 다른 차원으로 변경하는 함수
-
주의할점은 reshape한 후의 결과의 전체 원소 개수와 이전 개수가 같아야 가능
-
사용 예) 이미지 데이터 벡터화 - 이미지는 기본적으로 2차원 혹은 3차원(RGB)이나 트레이닝을 위해 1차원으로 변경하여 사용 됨
1
2
3
4
array1 = np.arange(36)
print("array1:\n",array1,"\n")
print("array1의 shape :",array1.shape,"\n")
print("array1의 차원:",array1.ndim,"\n")
array1: [ 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 35] array1의 shape : (36,) array1의 차원: 1
1
2
3
4
5
6
# flat한 배열을 6행 6열로 변경
y = array1.reshape(6, 6) # 6*6 = 36 으로 기존의 arange와 동일해야 한다.
print("y:\n",y,"\n")
print("y의 shape:",y.shape,"\n")
print("y의 차원:",y.ndim,"차원")
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 35]] y의 shape: (6, 6) y의 차원: 2 차원
-
6행 6열을 -1로 써서 생성할 수도 있다.
-
“36개의 수를 6행으로 만들고 싶다” -> 무조건 6행이 올 수 밖에 없다. -> -1을 써준다.
-
앞에서 정리한 것처럼 reshape를 할때는 요소의 수가 동일해야 한다. 이를 계산하기 복잡할때는 -1 기능을 활용하면 편리하다.
1
2
y2 = array1.reshape(6,-1)
print("y2:\n",y2,"\n")
y2: [[ 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 35]]
1
2
3
# 역으로도 가능
y3 = array1.reshape(-1,6)
print("y3:\n",y3,"\n")
y3: [[ 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 35]]
1
2
3
# 행*열 이 원본의 원소수와 다르면 변형되지 않는다.
y4 = array1.reshape(6,5)
print("y4:\n",y4,"\n")
1
2
3
4
5
6
k = array1.reshape(3, 3, 4)
print("y:\n",y,"\n")
print("y의 shape:",y.shape,"\n")
print("y의 차원:",y.ndim,"차원")
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 35]] y의 shape: (6, 6) y의 차원: 2 차원
1
2
3
4
5
6
k2 = array1.reshape(3, 3, -1)
print("k2:\n",k2,"\n")
print("k2의 shape:",k2.shape,"\n")
print("k2의 차원:",k2.ndim,"차원")
k2: [[[ 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 35]]] k2의 shape: (3, 3, 4) k2의 차원: 3 차원
동일한 방식으로 3개의 요소중 2개가 정해지면 나머지 한개는 -1을 통해 python이 자동으로 계산하도록 할 수 있다.
댓글남기기