Python Numpy 강좌 : 제 15강 - 조건 반환

조건 반환(Where)

import numpy as np

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

whereDefault = np.where(array > 5)
whereArray = np.where(array > 5, np.max(array), array)

print(array)
print('---------')
print(whereDefault)
print(array[whereDefault])
print(whereArray)

결과

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

조건 반환 함수(np.where)는 조건식의 결과에 따라 조건을 만족하는 요소의 색인을 반환하거나, 참과 거짓에 따라 서로 다른 값을 선택한 배열을 반환하는 함수입니다.

비교 함수(np.greater, np.greater_equal)나 비교 연산자(>, >=)는 조건의 결과를 True, False로 구성된 불(bool) 배열로만 반환합니다.

조건 반환 함수(np.where)는 이 불 배열을 조건식으로 받아, 색인이나 새로운 값으로 변환할 수 있습니다.

np.where(조건식) 또는 np.where(조건식, 참 값, 거짓 값)으로 조건식을 계산합니다.

참 값과 거짓 값을 입력하지 않은 기본 함수는 조건에 만족하는 배열의 색인값 튜플을 반환합니다. 이 형태는 np.nonzero(조건식)과 동일합니다.

참 값과 거짓 값은 둘 다 입력하거나 둘 다 생략해야 하며, 하나만 입력할 수는 없습니다.

예시의 whereDefault의 첫 번째 값의 배열은 행을 의미하며, 두 번째 값의 배열은 열을 의미합니다.

즉, array 배열에서 array > 5를 만족하는 원소값의 색인은 (1, 2), (2, 0), (2, 1), (2, 2)에 위치합니다.

이 색인 배열을 array 배열의 색인값으로 사용한다면, 조건에 만족하는 값인 [6, 7, 8, 9]를 반환합니다.

만약, 참 값과 거짓 값에 값을 할당하면, 조건을 만족하는 위치에는 참 값인 np.max(array)의 9가 할당되며, 만족하지 않는 위치에는 거짓 값인 array의 원래 값이 할당됩니다.

참 값과 거짓 값에는 스칼라나 배열을 입력할 수 있으며, 조건식과 형태가 다르다면 브로드캐스팅되어 계산됩니다.

복수 조건

import numpy as np

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

whereAnd = np.where((array > 3) & (array < 7), 0, array)
whereOr = np.where((array < 3) | (array > 7), 0, array)

print(whereAnd)
print(whereOr)

결과

[[1 2 3]
 [0 0 0]
 [7 8 9]]
[[0 0 3]
 [4 5 6]
 [7 0 0]]

조건 반환 함수의 조건식은 참/거짓의 형태을 갖습니다.

그러므로, 조건식 내부에 복합 조건을 사용하기 위해서는 &(AND)와 |(OR)를 적용해 다양한 조건식을 연결할 수 있습니다.

whereAnd는 3보다 크고, 7보다 작은 값을 0으로 변경합니다.

whereOr는 3보다 작거나, 7보다 큰 값을 0으로 변경합니다.

조건문(if)의 and나 or처럼 사용하여 복잡한 조건식을 구성할 수 있습니다. 부정은 ~(NOT)을 사용합니다.

단, 파이썬의 and, or, not 키워드는 배열에 사용할 수 없습니다. 배열 전체를 하나의 참/거짓으로 판단할 수 없기 때문에 ValueError가 발생합니다.

또한, &와 |는 비교 연산자(>, <)보다 우선순위가 높으므로, 각 조건식을 반드시 소괄호(())로 감싸야 합니다.

심화 검색

import numpy as np

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

whereSum = np.where((np.sum(array, axis = 1) > 10).reshape(3, -1), array, 0)
whereSumOdd = np.where((np.sum(array, axis = 1) > 10).reshape(3, -1), np.where( array % 2 == 1, array, 0), 0)

print(whereSum)
print(whereSumOdd)

결과

[[0 0 0]
 [4 5 6]
 [7 8 9]]
[[0 0 0]
 [0 5 0]
 [7 0 9]]

조건 반환 함수(np.where)는 인수에 Numpy 배열 자체를 조건으로 사용하거나, 참 값, 거짓 값에도 조건 반환 함수를 활용할 수 있습니다.

whereSum은 axis = 1에 대한 합계가 10을 넘어가는 행은 원래 값을 유지하고, 넘지 못하는 행의 값은 모두 0으로 변경하는 조건으로 설정합니다.

행별 합계는 [6, 15, 24]이며, reshape(3, -1)로 (3, 1) 형태로 변경하면 브로드캐스팅을 통해 같은 행의 모든 요소에 같은 조건이 적용됩니다.

위 조건으로 값을 반환할 경우, [1, 2, 3]의 합계는 10을 넘지 못해, 내부의 값은 모두 0으로 변경됩니다.

더 심화된 검색을 진행하는 경우, 조건식을 더 복잡하게 구성해도 됩니다.

하지만, 참 값에 조건 반환 함수(np.where)를 또다시 적용하는 경우, 조건식을 만족하고 나온 값에 대해 다시 한 번 더 조건식을 적용합니다.

두 번째로 적용된 조건식은 홀수 값만 유지합니다. 그러므로, whereSum의 값에서 홀수만 남게 됩니다.

결과는 예제처럼 5, 7, 9만 유지하며, 나머지 값은 모두 0으로 변경합니다.

색인 반환(Nonzero & Argwhere)

import numpy as np

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

print(np.nonzero(array > 5))
print(np.argwhere(array > 5))
print(array[array > 5])

결과

(array([1, 2, 2, 2]), array([2, 0, 1, 2]))
[[1 2]
 [2 0]
 [2 1]
 [2 2]]
[6 7 8 9]

np.nonzero는 0이 아닌(참인) 요소의 색인을 축별 배열의 튜플로 반환합니다. 조건식만 입력한 np.where와 같은 결과이며, 공식 문서에서도 이 용도로는 np.nonzero의 사용을 권장합니다.

np.argwhere는 같은 색인을 요소별 좌표로 묶어 (요소 개수, 차원 수) 형태의 배열로 반환합니다. 조건을 만족하는 위치를 하나씩 순회할 때 편리합니다.

조건을 만족하는 값만 필요하다면, 색인을 구하지 않고 불 배열을 그대로 색인으로 사용하는 array[조건식] 형태가 가장 간단합니다.

다중 선택(Select)

import numpy as np

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

condlist = [array < 4, array < 7]
choicelist = [array * 10, array * 100]

print(np.select(condlist, choicelist, default=0))

결과

[[ 10 20 30]
 [400 500 600]
 [ 0 0 0]]

다중 선택 함수(np.select)는 여러 개의 조건과 그에 대응하는 값을 목록으로 받아, 조건에 따라 서로 다른 값을 선택합니다.

np.select(조건 목록, 값 목록, 기본값)으로 사용하며, 조건 목록과 값 목록의 길이는 같아야 합니다.

조건 목록은 앞에서부터 순서대로 검사되며, 여러 조건을 동시에 만족하는 경우 먼저 나온 조건의 값이 선택됩니다.

예시에서 1 ~ 3은 두 조건을 모두 만족하지만 첫 번째 조건이 우선하므로 10배가 되며, 4 ~ 6은 두 번째 조건에 따라 100배가 됩니다.

어떤 조건도 만족하지 않는 7 ~ 9는 기본값(default)인 0이 할당됩니다.

np.where를 여러 번 중첩하는 대신 np.select를 사용하면, 조건이 세 개 이상인 경우에도 읽기 쉬운 코드를 작성할 수 있습니다.