NumPy에서 2차원 배열/행렬의 각 요소에 함수/맵 값을 적용하는 방법

2024-07-27

NumPy에서 2차원 배열/행렬의 각 요소에 함수/맵 값을 적용하는 방법

다음은 NumPy에서 이 작업을 수행하는 몇 가지 방법입니다.

np.apply_along_axis 사용:

np.apply_along_axis 함수는 특정 축에 따라 함수를 배열에 적용합니다. 다음은 2차원 배열의 각 행에 제곱 함수를 적용하는 예시입니다.

import numpy as np

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

# 각 행에 제곱 함수 적용
squared_rows = np.apply_along_axis(lambda x: x**2, 0, arr)

print(squared_rows)
# [[ 1  4  9]
#  [16 25 36]]

벡터화된 연산 사용:

NumPy는 많은 연산을 벡터화하여 루프 없이 배열 전체에 효율적으로 적용할 수 있습니다. 다음은 2차원 배열의 각 요소에 제곱근을 계산하는 예시입니다.

# 각 요소에 제곱근 계산
sqrt_elements = np.sqrt(arr)

print(sqrt_elements)
# [[ 1.        1.41421356 1.73205081]
#  [ 2.        2.23606798 2.44948974]]

np.vectorize 사용:

np.vectorize 함수는 일반 Python 함수를 NumPy ufunc로 변환하여 배열에 효율적으로 적용할 수 있도록 합니다. 다음은 2차원 배열의 각 요소에 로그 함수를 적용하는 예시입니다.

# 로그 함수 벡터화
log_func = np.vectorize(np.log)

# 각 요소에 로그 함수 적용
log_elements = log_func(arr)

print(log_elements)
# [[ 0.       0.69314718 1.09861229]
#  [ 1.38629436 1.60943791 1.79175947]]

for 루프 사용:

간단한 경우 for 루프를 사용하여 2차원 배열의 각 요소에 함수를 직접 적용할 수 있습니다.

# 각 요소에 제곱 함수 적용
for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
        arr[i, j] = arr[i, j]**2

print(arr)
# [[ 1  4  9]
#  [16 25 36]]

map 함수 사용:

map 함수를 사용하여 2차원 배열의 각 요소에 함수를 적용하고 결과를 새로운 배열에 저장할 수 있습니다.

# 각 요소에 제곱 함수 적용
squared_elements = list(map(lambda x: x**2, arr.flatten()))

# 결과 배열 생성
squared_arr = np.array(squared_elements).reshape(arr.shape)

print(squared_arr)
# [[ 1  4  9]
#  [16 25 36]]

위의 방법 중 상황에 맞는 가장 적합한 방법을 선택하십시오. 벡터화된 연산을 사용하는 것이 일반적으로 가장 효율적이지만, 람다 함수를 사용해야 하는 경우 np.apply_along_axis 또는 map 함수를 사용하는 것이 더 간편할 수 있습니다.

참고:

np.vectorize:

예제 코드

import numpy as np

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

# **1. `np.apply_along_axis` 사용**

# 각 행에 제곱 함수 적용
squared_rows = np.apply_along_axis(lambda x: x**2, 0, arr)

print("**`np.apply_along_axis` 사용**")
print(squared_rows)

# **2. 벡터화된 연산 사용**

# 각 요소에 제곱근 계산
sqrt_elements = np.sqrt(arr)

print("**벡터화된 연산 사용**")
print(sqrt_elements)

# **3. `np.vectorize` 사용**

# 로그 함수 벡터화
log_func = np.vectorize(np.log)

# 각 요소에 로그 함수 적용
log_elements = log_func(arr)

print("**`np.vectorize` 사용**")
print(log_elements)

# **4. for 루프 사용**

# 각 요소에 제곱 함수 적용
for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
        arr[i, j] = arr[i, j]**2

print("**for 루프 사용**")
print(arr)

# **5. `map` 함수 사용**

# 각 요소에 제곱 함수 적용
squared_elements = list(map(lambda x: x**2, arr.flatten()))

# 결과 배열 생성
squared_arr = np.array(squared_elements).reshape(arr.shape)

print("**`map` 함수 사용**")
print(squared_arr)

결과:

**`np.apply_along_axis` 사용**
[[ 1  4  9]
 [16 25 36]]

**벡터화된 연산 사용**
[[ 1.        1.41421356 1.73205081]
 [ 2.        2.23606798 2.44948974]]

**`np.vectorize` 사용**
[[ 0.       0.69314718 1.09861229]
 [ 1.38629436 1.60943791 1.79175947]]

**for 루프 사용**
[[ 1  4  9]
 [16 25 36]]

**`map` 함수 사용**
[[ 1  4  9]
 [16 25 36]]

2차원 배열/행렬의 각 요소에 함수/맵 값을 적용하는 대체 방법

# 각 요소에 제곱 함수 적용
squared_elements = [x**2 for x in arr.flatten()]

# 결과 배열 생성
squared_arr = np.array(squared_elements).reshape(arr.shape)

print(squared_arr)

NumPy ufunc 사용:

# 제곱 ufunc 사용
squared_arr = np.square(arr)

print(squared_arr)

브로드캐스팅:

# 각 행에 10을 더하기
arr += 10

print(arr)

np.einsum 사용:

# 행렬 곱셈
result = np.einsum("ij,ij->ij", arr, arr)

print(result)

Cython 사용:

# Cython 코드
cdef int[:, :] squared_arr

def square_array(int[:, :] arr):
    for i in range(arr.shape[0]):
        for j in range(arr.shape[1]):
            squared_arr[i, j] = arr[i, j]**2

# Cython 함수 호출
squared_arr = square_array(arr)

print(squared_arr)