Python numpy에서 hstack/vstack vs append vs concatenate vs column_stack 사용 시기

• numpy는 Python에서 과학 계산을 위한 기본 라이브러리입니다.
• 배열(array)을 다루는 다양한 기능을 제공하며, 그 중 배열을 합치는 기능은 데이터 분석과 머신러닝에서 자주 사용됩니다.
• 배열을 합치는 대표적인 함수는 hstack, vstack, append, concatenate, column_stack입니다.
• 각 함수는 배열을 합치는 방식과 용도가 다르므로, 상황에 맞는 함수를 선택하는 것이 중요합니다.

hstack vs vstack

• hstack은 배열을 수평 방향으로 합칩니다. 즉, 배열의 열을 연결합니다.
• 다음 예시를 통해 hstack과 vstack의 차이를 확인해 보겠습니다.

import numpy as np

# 2개의 1차원 배열
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

# 수평 방향으로 합치기
hstack_arr = np.hstack((arr1, arr2))
print(hstack_arr)  # [1 2 3 4 5 6]

# 수직 방향으로 합치기
vstack_arr = np.vstack((arr1, arr2))
print(vstack_arr)  # [[1 2 3]
                   #  [4 5 6]]

append vs concatenate

• append는 배열에 새로운 요소를 추가하는 데 사용됩니다.
• concatenate는 여러 배열을 하나의 배열로 합치는 데 사용됩니다.
• append는 배열을 변경하는 함수이며, concatenate는 새로운 배열을 반환하는 함수입니다.

# 새로운 요소 추가
arr1 = np.array([1, 2, 3])
arr1.append(4)  # [1 2 3 4]

# 여러 배열 합치기
arr2 = np.array([5, 6, 7])
concat_arr = np.concatenate((arr1, arr2))
print(concat_arr)  # [1 2 3 4 5 6 7]

column_stack

• column_stack은 2차원 배열을 열 방향으로 합치는 데 사용됩니다.
• hstack과 유사하지만, hstack은 1차원 배열에도 사용할 수 있습니다.

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
column_stack_arr = np.column_stack((arr1, arr2))
print(column_stack_arr)  # [[1 5]
                          #  [3 7]
                          #  [4 8]]

사용 시기 요약

추가 정보

• numpy.stack 함수는 hstack, vstack, column_stack을 포함하는 더 일반적인 함수입니다.
• 각 함수의 axis 매개변수를 사용하여 합치는 방향을 지정할 수 있습니다.

예제 코드

import numpy as np

# 1. hstack vs vstack

# 1차원 배열
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

# 수평 방향으로 합치기
hstack_arr = np.hstack((arr1, arr2))
print(hstack_arr)  # [1 2 3 4 5 6]

# 수직 방향으로 합치기
vstack_arr = np.vstack((arr1, arr2))
print(vstack_arr)  # [[1 2 3]
                   #  [4 5 6]]


# 2. append vs concatenate

# 새로운 요소 추가
arr1 = np.array([1, 2, 3])
arr1.append(4)  # [1 2 3 4]

# 여러 배열 합치기
arr2 = np.array([5, 6, 7])
concat_arr = np.concatenate((arr1, arr2))
print(concat_arr)  # [1 2 3 4 5 6 7]


# 3. column_stack

# 2차원 배열
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])

# 열 방향으로 합치기
column_stack_arr = np.column_stack((arr1, arr2))
print(column_stack_arr)  # [[1 5]
                          #  [3 7]
                          #  [4 8]]

추가 예시

• 3개 이상의 배열을 합치는 경우: concatenate 함수 사용
• 2차원 배열을 행 방향으로 합치는 경우: vstack 함수 사용

hstack, vstack, append, concatenate, column_stack 함수의 대체 방법

간단한 경우 for 루프를 사용하여 배열을 합칠 수 있습니다.

# hstack 대체

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

result_arr = []
for i in range(len(arr1)):
  result_arr.append(np.array([arr1[i], arr2[i]]))

print(np.array(result_arr))  # [[1 4]
                           #  [2 5]
                           #  [3 6]]


# vstack 대체

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

result_arr = []
for i in range(len(arr1)):
  result_arr.append(np.array([[arr1[i]], [arr2[i]]]))

print(np.array(result_arr))  # [[[1]
                           #  [4]]
                          #  [[2]
                          #  [5]]
                          #  [[3]
                          #  [6]]]

np.insert 함수

np.insert 함수는 배열의 특정 위치에 새로운 요소를 삽입하는 데 사용할 수 있습니다.

# append 대체

arr1 = np.array([1, 2, 3])

new_element = 4

arr1 = np.insert(arr1, len(arr1), new_element)

print(arr1)  # [1 2 3 4]

np.tile 함수

np.tile 함수는 배열을 반복하는 데 사용할 수 있습니다.

# concatenate 대체

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

n = 2

result_arr = np.tile(arr1, n)
result_arr = np.concatenate((result_arr, arr2))

print(result_arr)  # [1 2 3 1 2 3 4 5 6]

리스트 슬라이싱

리스트 슬라이싱을 사용하여 배열을 합칠 수 있습니다.

# column_stack 대체

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])

result_arr = []
for i in range(len(arr1)):
  result_arr.append(np.array([arr1[i][0], arr2[i][0], arr1[i][1], arr2[i][1]]))

print(np.array(result_arr))  # [[1 5 2 6]
                           #  [3 7 4 8]]