파이썬 numpy 불리언 인덱싱과 팬시 인덱싱

소개

NumPy는 파이썬의 강력한 수학 및 과학 라이브러리 중 하나로, 불리언 인덱싱과 팬시 인덱싱과 같은 고급 인덱싱 기능을 제공합니다. 이번 포스팅에서는 NumPy에서 데이터를 효율적으로 추출하는 방법 중 불리언 인덱싱과 팬시 인덱싱에 대해 알아보겠습니다.

1. 불리언 인덱싱

불리언 인덱싱은 배열에서 특정 조건을 만족하는 요소들을 선택하는 방법입니다. 조건을 통해 각 요소에 대한 참/거짓 값을 생성하고, 이를 인덱스로 활용하여 원하는 데이터를 추출할 수 있습니다. 다양한 불리언 인덱싱의 활용 방법을 살펴보겠습니다.

2. 팬시 인덱싱

팬시 인덱싱은 배열에 여러 인덱스를 한 번에 지정하여 데이터를 선택하는 방법입니다. 정수 배열을 사용하여 특정 요소를 선택하거나, 불리언 배열을 이용하여 조건을 만족하는 요소를 선택할 수 있습니다. 다차원 배열에서의 팬시 인덱싱도 함께 살펴보겠습니다.

3. 활용과 예시

아래는 불리언 인덱싱과 팬시 인덱싱을 활용한 간단한 예시입니다. 코드를 통해 실제로 어떻게 작동하는지 확인해보세요.

import numpy as np

# 불리언 인덱싱
arr = np.array([1, 2, 3, 4, 5])
bool_index = arr > 2
print(arr[bool_index])  # 조건을 만족하는 요소만 출력

# 팬시 인덱싱
fancy_index = np.array([0, 2, 4])
print(arr[fancy_index])  # 지정된 인덱스의 요소만 출력

마무리

이번 포스팅에서는 NumPy의 불리언 인덱싱과 팬시 인덱싱에 대한 기본 개념을 다뤄보았습니다. 이러한 고급 인덱싱 기능을 통해 데이터를 유연하게 추출하면서, NumPy를 더 효과적으로 활용할 수 있습니다. 앞으로의 포스팅에서는 더 다양한 NumPy 기능과 응용에 대해 자세히 살펴보겠습니다.