02-NumPy Indexing and Selection

NumPy Indexing and Selection

import numpy as np

arr = np.arange(0,11)  #Creating sample array
arr  #Show
# array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10])

 

Bracket Indexing and Selection

대괄호 인덱싱 및 선택 

# Get a value at an index
arr[8] # 8

# Get values in a range
arr[1:5]  # array([1, 2, 3, 4])

#Get values in a range
arr[0:5]  # array([0, 1, 2, 3, 4])

 

Broadcasting

Numpy arrays differ from a normal Python list because of their ability to broadcast:

# Setting a value with index range (Broadcasting)
arr[0:5]=100
arr   # array([100, 100, 100, 100, 100,   5,   6,   7,   8,   9,  10])

# Reset array, we'll see why I had to reset in  a moment
arr = np.arange(0,11)
arr  # array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10])

#Important notes on Slices
slice_of_arr = arr[0:6]
slice_of_arr  # array([0, 1, 2, 3, 4, 5])

#Change Slice
slice_of_arr[:]=99
slice_of_arr  # array([99, 99, 99, 99, 99, 99])

# Now note the changes also occur in our original array!
# 아래 배열에 적용 됩니다.
arr # array([99, 99, 99, 99, 99, 99,  6,  7,  8,  9, 10])

'''
Data is not copied, it's a view of the original array! This avoids memory problems!
배열은 복사되지 않고 원본 배열을 참조합니다! 이것은 메모리 문제를 방지합니다!
'''
# To get a copy, need to be explicit
# 배열을 복사하려면 명시적으로 지정해주어야 합니다.
arr_copy = arr.copy()
arr

 

 

Indexing a 2D array (matrices)

The general format is arr_2d[row][col] or  arr_2d[row,col] .

I recommend usually using the comma notation for clarity.

arr_2d = np.array(([5,10,15],[20,25,30],[35,40,45]))
arr_2d
'''
array([[ 5, 10, 15],
       [20, 25, 30],
       [35, 40, 45]])
'''

#Indexing row
arr_2d[1]
# array([20, 25, 30])

arr_2d[1,0]
# 20

# 2D array slicing
# Shape (2,2) from top right corner
arr_2d[:2,1:]
'''
array([[10, 15],
       [25, 30]])
'''

 

Fancy Indexing

Fancy indexing allows you to select entire rows or columns out of order.

Fancy indexing을 사용하면 전체 행 또는 열을 순서없이 선택할 수 있습니다.

#Set up matrix
arr2d = np.zeros((10,10))

#Length of array
arr_length = arr2d.shape[1]

#Set up array

for i in range(arr_length):
    arr2d[i] = i
    
arr2d

'''
array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.],
       [ 2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.],
       [ 3.,  3.,  3.,  3.,  3.,  3.,  3.,  3.,  3.,  3.],
       [ 4.,  4.,  4.,  4.,  4.,  4.,  4.,  4.,  4.,  4.],
       [ 5.,  5.,  5.,  5.,  5.,  5.,  5.,  5.,  5.,  5.],
       [ 6.,  6.,  6.,  6.,  6.,  6.,  6.,  6.,  6.,  6.],
       [ 7.,  7.,  7.,  7.,  7.,  7.,  7.,  7.,  7.,  7.],
       [ 8.,  8.,  8.,  8.,  8.,  8.,  8.,  8.,  8.,  8.],
       [ 9.,  9.,  9.,  9.,  9.,  9.,  9.,  9.,  9.,  9.]])
'''

Fancy indexing allows the following

arr2d[[2,4,6,8]]
'''
array([[ 2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.],
       [ 4.,  4.,  4.,  4.,  4.,  4.,  4.,  4.,  4.,  4.],
       [ 6.,  6.,  6.,  6.,  6.,  6.,  6.,  6.,  6.,  6.],
       [ 8.,  8.,  8.,  8.,  8.,  8.,  8.,  8.,  8.,  8.]])
'''

#Allows in any order
arr2d[[6,4,2,7]]
'''
array([[ 6.,  6.,  6.,  6.,  6.,  6.,  6.,  6.,  6.,  6.],
       [ 4.,  4.,  4.,  4.,  4.,  4.,  4.,  4.,  4.,  4.],
       [ 2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.],
       [ 7.,  7.,  7.,  7.,  7.,  7.,  7.,  7.,  7.,  7.]])
'''

 

Selection

Let's briefly go over how to use brackets for selection based off of comparison operators.

비교 연산자를 기반으로 선택에 대괄호를 사용하는 방법에 대해 간략하게 살펴 보겠습니다.

arr = np.arange(1,11)
arr # array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10])

arr > 4 
# array([False, False, False, False,  True,  True,  True,  True,  True,  True], dtype=bool)

bool_arr = arr>4
bool_arr
# array([False, False, False, False,  True,  True,  True,  True,  True,  True], dtype=bool)

arr[bool_arr]
# array([ 5,  6,  7,  8,  9, 10])

arr[arr>2]
# array([ 3,  4,  5,  6,  7,  8,  9, 10])

x = 2
arr[arr>x]
# array([ 3,  4,  5,  6,  7,  8,  9, 10])

 

Great Job!