NumPy 배열에 새로운 차원 추가하기
NumPy 배열에 새로운 차원 추가하기
새로운 차원을 추가하는 방법은 여러 가지가 있지만, 가장 일반적으로 사용되는 두 가지 방법은 다음과 같습니다.
np.newaxis 사용하기:
np.newaxis는 원하는 축에 새로운 차원을 추가하는 데 사용되는 NumPy 함수입니다.
예를 들어, 1차원 배열 arr = [1, 2, 3]에 새로운 차원을 추가하여 2차원 배열로 만들려면 다음과 같이 np.newaxis를 사용할 수 있습니다.
new_arr = arr[:, np.newaxis]
print(new_arr.shape) # 출력: (3, 1)
위 코드에서 :은 원본 배열의 모든 값을 선택하고, np.newaxis는 새로운 차원을 두 번째 축(열 축)에 추가합니다.
np.expand_dims 사용하기:
np.expand_dims는 np.newaxis와 동일한 기능을 수행하는 또 다른 NumPy 함수입니다.
다만, np.expand_dims는 축 인덱스를 명시적으로 지정할 수 있다는 장점이 있습니다.
new_arr = np.expand_dims(arr, axis=0)
print(new_arr.shape) # 출력: (1, 3)
위 코드에서 axis=0은 첫 번째 축에 새로운 차원을 추가한다는 것을 의미합니다.
주의 사항:
- 새로운 차원을 추가하면 배열의 모양(shape)이 변경됩니다.
- 원하는 축에 정확히 새로운 차원을 추가해야 합니다. 잘못된 축에 추가하면 예상치 못한 결과가 발생할 수 있습니다.
np.newaxis와np.expand_dims는 모두 동일한 기능을 수행하지만, 상황에 따라 적절한 함수를 선택하는 것이 좋습니다.np.expand_dims는 축 인덱스를 명시적으로 지정할 수 있다는 장점이 있지만,np.newaxis는 코드가 더 간결하고 읽기 쉽다는 장점이 있습니다.
NumPy 배열에 새로운 차원 추가하기: 예제 코드
예제 1: 1차원 배열에 새로운 차원 추가하기
이 예제에서는 np.newaxis를 사용하여 1차원 배열에 새로운 차원을 추가합니다.
import numpy as np
# 1차원 배열 생성
arr = np.array([1, 2, 3])
# 새로운 차원을 두 번째 축에 추가
new_arr = arr[:, np.newaxis]
# 결과 출력
print(new_arr)
print(new_arr.shape)
출력:
[[1]
[2]
[3]]
(3, 1)
import numpy as np
# 1차원 배열 생성
arr = np.array([1, 2, 3])
# 새로운 차원을 첫 번째 축에 추가
new_arr = np.expand_dims(arr, axis=0)
# 결과 출력
print(new_arr)
print(new_arr.shape)
[[1 2 3]]
(1, 3)
import numpy as np
# 2차원 배열 생성
arr = np.array([[1, 2, 3], [4, 5, 6]])
# 새로운 차원을 세 번째 축에 추가
new_arr = arr[np.newaxis, :, :]
# 결과 출력
print(new_arr)
print(new_arr.shape)
[[[1 2 3]
[4 5 6]]]
(1, 2, 3)
예제 4: 특정 축에 여러 번 새로운 차원 추가하기
import numpy as np
# 1차원 배열 생성
arr = np.array([1, 2, 3])
# 첫 번째와 세 번째 축에 새로운 차원 추가
new_arr = np.expand_dims(np.expand_dims(arr, axis=0), axis=2)
# 결과 출력
print(new_arr)
print(new_arr.shape)
[[[1 2 3]]]
(1, 1, 3)
이 예제들은 NumPy 배열에 새로운 차원을 추가하는 방법을 보여주는 몇 가지 기본적인 방법입니다.
NumPy 배열에 새로운 차원 추가하기: 대체 방법
하지만 상황에 따라 다음과 같은 대체 방법을 사용할 수도 있습니다.
리스트 내포 사용:
리스트 내포를 사용하여 원하는 차원에 새 값을 포함하는 새 리스트를 만들 수 있습니다.
이 방법은 간단하고 명확하지만, 성능 측면에서 비효율적일 수 있습니다.
import numpy as np
# 1차원 배열 생성
arr = np.array([1, 2, 3])
# 새로운 차원을 두 번째 축에 추가
new_arr = [arr[:, np.newaxis] for _ in range(2)]
# 결과 출력
print(new_arr)
print(np.array(new_arr).shape)
[[[1]
[2]
[3]]]
(2, 3, 1)
np.tile 사용:
np.tile 함수를 사용하여 기존 배열을 반복하여 새로운 차원을 만들 수 있습니다.
이 방법은 리스트 내포보다 효율적이지만, 원하는 결과를 얻기 위해서는 배열을 올바르게 타일링해야 합니다.
import numpy as np
# 1차원 배열 생성
arr = np.array([1, 2, 3])
# 새로운 차원을 두 번째 축에 추가
new_arr = np.tile(arr[:, np.newaxis], (2, 1))
# 결과 출력
print(new_arr)
print(new_arr.shape)
[[[1]
[2]
[3]]]
(2, 3, 1)
broadcasting 사용:
Broadcasting은 두 배열의 크기가 다르더라도 산술 연산을 수행할 수 있도록 하는 NumPy 기능입니다.
특정 축에 1을 포함하는 배열을 만들어 원하는 차원을 추가하는 데 broadcasting을 사용할 수 있습니다.
import numpy as np
# 1차원 배열 생성
arr = np.array([1, 2, 3])
# 새로운 차원을 두 번째 축에 추가
new_arr = arr[:, np.newaxis] + np.zeros((arr.shape[0], 1))
# 결과 출력
print(new_arr)
print(new_arr.shape)
[[1 0]
[2 0]
[3 0]]
(3, 2)
위 코드에서 np.zeros((arr.shape[0], 1))은 첫 번째 축의 길이와 일치하는 행과 두 번째 축에 1개의 열을 가진 배열을 만듭니다.
'+' 연산자를 사용하여 이 배열을 arr에 브로드캐스팅하면 원하는 차원이 추가됩니다.
결론
NumPy 배열에 새로운 차원을 추가하는 방법은 여러 가지가 있으며, 상황에 따라 가장 적합한 방법을 선택하는 것이 중요합니다.
빠르고 효율적인 방법을 원한다면 np.newaxis 또는 np.expand_dims 함수를 사용하는 것이 좋습니다.
더 명확하고 이해하기 쉬운 코드를 원한다면 리스트 내포를 사용하는 방법을 고려할 수 있습니다.
python arrays numpy
