인덱스가 0부터 length-1까지 있고, 뒤에서부터 접근할 때는 -를 붙여준다. :를 기준으로 Slicing을 진행할 때 오른쪽 인덱스는 포함하지 않는다.
import numpy as np
narray = np.arange(5) #[0 1 2 3 4]
print(narray[-1], narray[-1])
print(narray[1:])
print(narray[:])
print(narray[2:4])
'''
4 4
[1 2 3 4]
[0 1 2 3 4]
[2 3]
'''
2차원 ndarray타입에서 인덱스는 [, ] 콤마를 기준으로 2개의 인자를 받는다. 앞 인자값은 행의 index, 뒤 인자값은 열의 index를 나타낸다.
import numpy as np
np.random.seed(100)
narray1 = np.random.randint(0,20,16).reshape(4,4)
print(narray1)
'''
[[ 8 3 7 15]
[16 10 2 2]
[ 2 14 2 17]
[16 15 4 11]]
'''
#1. narray1에서 첫번째 줄 7을 가져오려면
print(narray1[0,2]) # ,로 접근
print(narray1[0][2]) # 일반적인 접근
#2. 두번째 라인 [16,10,2,2]을 가져오려면
print(narray1[1])
print(narray1[1,])
print(narray1[1,:])
print(narray1[1,0:4])
print(narray1[1,0:])
#3. 전체행에 대해서 4번재 열만 다 가져오려면
print(narray1[:,3].reshape(4,1))
'''
7
7
[16 10 2 2]
[16 10 2 2]
[16 10 2 2]
[16 10 2 2]
[16 10 2 2]
[[15]
[ 2]
[17]
[11]]
'''
조건을 줘서 특정한 데이터들을 바꾸거나 데이터들을 가져오고 싶을 때 사용합니다.
import numpy as np
np.random.seed(0)
arr3 = np.random.randn(4,4)
print(arr3)
'''
[[ 1.76405235 0.40015721 0.97873798 2.2408932 ]
[ 1.86755799 -0.97727788 0.95008842 -0.15135721]
[-0.10321885 0.4105985 0.14404357 1.45427351]
[ 0.76103773 0.12167502 0.44386323 0.33367433]]
'''
print(arr3[arr3>0]) #0보다 큰 값들을 가져온다.
print(type(arr3[arr3>0])) #타입
print(arr3[arr3>0].ndim) #차원
'''
[1.76405235 0.40015721 0.97873798 2.2408932 1.86755799 0.95008842
0.4105985 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323
0.33367433]
<class 'numpy.ndarray'>
1 1차원의 ndarray를 반환하게 됐다.
'''
print(arr3[arr3<0])
'''
[-0.97727788 -0.15135721 -0.10321885]
'''
arr3[arr3<0] = 0 #0보다 작은 데이터를 0으로 초기화
print(arr3)
'''
[[1.76405235 0.40015721 0.97873798 2.2408932 ]
[1.86755799 0. 0.95008842 0. ]
[0. 0.4105985 0.14404357 1.45427351]
[0.76103773 0.12167502 0.44386323 0.33367433]] #초기화만 했기 때문에 2차원으로 출력됨.
'''
#3. where 함수
arr3_1 = np.where(arr3>0, arr3, -1) #0보다 큰것은 arr3(그대로..) 아니면 -1로 초기화.
print(arr3_1)
'''
[[ 1.76405235 0.40015721 0.97873798 2.2408932 ]
[ 1.86755799 -1. 0.95008842 -1. ]
[-1. 0.4105985 0.14404357 1.45427351]
[ 0.76103773 0.12167502 0.44386323 0.33367433]]
'''
a = np.array([[1,2],[3,4],[5,6]])
print(a)
print(a[a>2])
'''
[[1 2]
[3 4]
[5 6]]
[3 4 5 6]
'''