NumPy 배열에서 고유한 행 찾기
예제
다음 예제에서는 4행 3열의 NumPy 배열을 만들고 numpy.unique() 함수를 사용하여 고유한 행을 찾습니다.
import numpy as np
# NumPy 배열 만들기
arr = np.array([[1, 2, 3],
[4, 5, 6],
[1, 2, 3],
[7, 8, 9]])
# 고유한 행 찾기
unique_rows, counts = np.unique(arr, axis=0, return_counts=True)
print(unique_rows)
print(counts)
이 코드는 다음과 같은 출력을 생성합니다.
[[1 2 3]
[4 5 6]
[7 8 9]]
[2 1 1]
numpy.unique() 함수는 고유한 행을 unique_rows 배열에 반환하고 각 고유한 행이 나타나는 횟수를 counts 배열에 반환합니다. axis=0 매개변수는 함수가 행을 기준으로 고유한 값을 찾도록 지시합니다.
작동 방식
numpy.unique() 함수는 다음 단계를 수행하여 작동합니다.
- 배열을 정렬합니다.
- 인접한 행을 비교하여 동일한 경우 건너뜁니다.
- 고유한 행만 새 배열에 추가합니다.
추가 예제
다음 예제에서는 조건을 충족하는 고유한 행만 찾는 방법을 보여줍니다.
import numpy as np
# NumPy 배열 만들기
arr = np.array([[1, 2, 3],
[4, 5, 6],
[1, 2, 3],
[7, 8, 9],
[10, 11, 12]])
# 조건을 충족하는 고유한 행 찾기
def condition(row):
return row[0] > 5
unique_rows = np.unique(arr[np.where(np.apply_along_axis(condition, axis=1, arr))], axis=0)
print(unique_rows)
[[7 8 9]
[10 11 12]]
이 예제에서는 apply_along_axis() 함수를 사용하여 첫 번째 열이 5보다 큰 행을 선택합니다. 그런 다음 numpy.unique() 함수를 사용하여 선택된 행의 고유한 값을 찾습니다.
요약
예제 코드: numpy.unique()를 사용하여 NumPy 배열에서 고유한 행 찾기
기본 예제
이 예제에서는 numpy.unique() 함수를 사용하여 2차원 NumPy 배열에서 고유한 행을 찾습니다.
import numpy as np
arr = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[1, 2, 3],
[10, 11, 12]])
unique_rows, counts = np.unique(arr, axis=0, return_counts=True)
print(unique_rows)
print(counts)
[[1 2 3]
[4 5 6]
[7 8 9]
[10 11 12]]
[2 1 1 1]
numpy.unique()함수는unique_rows배열에 고유한 행을 반환하고 각 고유한 행이 나타나는 횟수를counts배열에 반환합니다.axis=0매개변수는 함수가 행을 기준으로 고유한 값을 찾도록 지시합니다.
조건을 충족하는 고유한 행 찾기
import numpy as np
arr = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[1, 2, 3],
[10, 11, 12]])
def condition(row):
return row[0] > 5
unique_rows = np.unique(arr[np.where(np.apply_along_axis(condition, axis=1, arr))], axis=0)
print(unique_rows)
[[7 8 9]
[10 11 12]]
apply_along_axis()함수를 사용하여 첫 번째 열이 5보다 큰 행을 선택합니다.numpy.unique()함수를 사용하여 선택된 행의 고유한 값을 찾습니다.
고유한 열 찾기
import numpy as np
arr = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[1, 2, 3],
[10, 11, 12]])
unique_cols = np.unique(arr, axis=1)
print(unique_cols)
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
추가 정보
NumPy 배열에서 고유한 행을 찾는 대체 방법
for 루프 및 set 사용
다음 예제에서는 for 루프와 set을 사용하여 NumPy 배열에서 고유한 행을 찾습니다.
import numpy as np
arr = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[1, 2, 3],
[10, 11, 12]])
unique_rows = set()
for row in arr:
unique_rows.add(tuple(row)) # 행을 튜플로 변환하여 세트에 추가합니다.
unique_rows = np.array(list(unique_rows))
print(unique_rows)
[[1 2 3]
[4 5 6]
[7 8 9]
[10 11 12]]
- 이 방법은
numpy.unique()함수보다 느릴 수 있지만 메모리 사용량이 적을 수 있습니다. set은 중복 값을 허용하지 않으므로 고유한 행만 세트에 추가됩니다.- 마지막으로
set을 NumPy 배열로 변환하여 결과를 얻습니다.
Pandas 사용
NumPy 배열을 Pandas DataFrame으로 변환한 다음 DataFrame의 drop_duplicates() 메서드를 사용하여 고유한 행을 찾을 수도 있습니다.
import numpy as np
import pandas as pd
arr = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[1, 2, 3],
[10, 11, 12]])
df = pd.DataFrame(arr)
unique_rows = df.drop_duplicates()
print(unique_rows)
0 1 2
0 1 2 3
1 4 5 6
2 7 8 9
3 10 11 12
- 이 방법은 Pandas가 설치되어 있어야 하기 때문에
numpy.unique()함수보다 더 복잡할 수 있습니다. - Pandas DataFrame은 NumPy 배열보다 작업하기에 더 유연하고 강력할 수 있습니다.
drop_duplicates()메서드는 DataFrame에서 중복 행을 제거합니다.
결론
numpy.unique() 함수는 NumPy 배열에서 고유한 행을 찾는 가장 빠르고 효율적인 방법이지만 특정 상황에서는 다른 방법이 더 적합할 수 있습니다. for 루프 및 set을 사용하는 방법은 메모리 사용량이 적은 반면, Pandas를 사용하는 방법은 더 유연하고 강력합니다.
python arrays numpy
