[Python NumPy] NumPy 배열에 축 추가하기 (adding axis to NumPy Array) : np.newaxis, np.tile

지난번 포스팅에서 Broadcasting을 다루어보았는데요, 이번 포스팅에서는 Broadcasting 과 관련이 있는 NumPy Array에 새로운 축 추가하는 2가지 방법을 소개해보겠습니다.

 

하나는 np.newaxis attribute 이고, 또 하나는 np.tile() method 인데요, 사용법이나 결과가 조금 다르니 데이터 처리 용도나 목적에 맞게 골라서 사용하시면 되겠습니다.

 

(1) indexing으로 길이가 1인 새로운 축을 추가하기

   : arr(:, np.newaxis, :)

 

(2) 배열을 반복하면서 새로운 축을 추가하기

   : np.tile(arr, reps)

 

 

 

 

 

(1) indexing으로 길이가 1인 새로운 축을 추가하기 : arr(:, np.newaxis, :)

 

먼저 NumPy 모듈을 불러어고, 예제 array 를 만들어보겠습니다.

 

In [1]: import numpy as np In [2]: a = np.array([1., 2., 3., 4.]) In [3]: a Out[3]: array([ 1., 2., 3., 4.]) In [4]: a.shape Out[4]: (4,)

 

 

np.newaxis attribute를 사용해서 길이가 1인 새로운 축을 하나 추가해보겠습니다.

 

# (1) np.newaxis : adding and inserting new axis  with length 1 by indexing   In [5]: a_4_1 = a[:, np.newaxis] In [6]: a_4_1 Out[6]: array([[ 1.],        [ 2.],        [ 3.],        [ 4.]]) In [7]: a_4_1.shape Out[7]: (4, 1)

 

 

 

이번에는 shape(3, 4) 인 2차원의 배열에 길이가 1인 새로운 축을 추가해서 3차원 배열을 만들어보겠습니다.  ':'를 사용해서 기존 배열의 값을 indexing 하구요, np.newaxis attribute로 새로운 축을 추가하게 됩니다.

 

In [8]: b = np.arange(12).reshape(3, 4) In [9]: b Out[9]: array([[ 0,  1,  2,  3],        [ 4,  5,  6,  7],        [ 8,  9, 10, 11]]) In [10]: b.shape Out[10]: (3, 4)   # shape(3, 4, 1) In [11]: b_3_4_1 = b[ :, :, np.newaxis] In [12]: b_3_4_1 Out[12]: array([[[ 0],          [ 1],          [ 2],          [ 3]],         [[ 4],          [ 5],          [ 6],          [ 7]],         [[ 8],          [ 9],          [10],          [11]]]) In [13]: b_3_4_1.shape Out[13]: (3, 4, 1)   # shape(3, 1, 4) In [14]: b_3_1_4 = b[ :, np.newaxis, : ] In [15]: b_3_1_4 Out[15]: array([[[ 0,  1,  2,  3]],         [[ 4,  5,  6,  7]],         [[ 8,  9, 10, 11]]]) In [16]: b_3_1_4.shape Out[16]: (3, 1, 4)

 

 

 

 

(2) 배열을 반복하면서 새로운 축을 추가하기 : np.tile(arr, reps)

 

np.tile(arr, reps) method 는 'arr' 에는 배열을, 'reps'에는 반복하고자 하는 회수를 넣어줍니다.

'reps'에는 숫자를 넣을 수도 있고, 배열을 넣을 수도 있습니다.

 

먼저 원소 4개짜리 배열을 가지고

 - 같은 차원으로 '2번' 반복하기 : reps = 2

 - '2차원'으로 '2번' 반복하기 : reps = (2, 2)

를 차례대로 해보겠습니다.

 

In [17]: A = np.array([0., 1., 2., 3.]) In [18]: A Out[18]: array([ 0., 1., 2., 3.]) In [19]: A.shape Out[19]: (4,)   # reps = 2 In [20]: A_8 = np.tile(A, 2) In [21]: A_8 Out[21]: array([ 0., 1., 2., 3., 0., 1., 2., 3.]) In [22]: A_8.shape Out[22]: (8,)   # reps = (2, 2) In [23]: A_2_8 = np.tile(A, (2, 2)) In [24]: A_2_8 Out[24]: array([[ 0.,  1.,  2.,  3.,  0.,  1.,  2.,  3.],         [ 0.,  1.,  2.,  3.,  0.,  1.,  2.,  3.]]) In [25]: A_2_8.shape Out[25]: (2, 8)

 

 

 

다음으로 2차원 배열에 np.tile() method를 사용해서

 - 배열을 반복하기

 - 배열을 반복하면서 차원을 하나 더 추가하기

를 해보겠습니다.

 

In [26]: B = np.arange(8).reshape(2, 4) In [27]: B Out[27]: array([[0, 1, 2, 3],         [4, 5, 6, 7]]) In [28]: B.shape Out[28]: (2, 4) In [29]: B_2_8 = np.tile(B, 2) In [30]: B_2_8 Out[30]: array([[0, 1, 2, 3, 0, 1, 2, 3],         [4, 5, 6, 7, 4, 5, 6, 7]]) In [31]: B_2_8.shape Out[31]: (2, 8) In [32]: B_4_4 = np.tile(B, (2, 1)) In [33]: B_4_4 Out[33]: array([[0, 1, 2, 3],         [4, 5, 6, 7],         [0, 1, 2, 3],         [4, 5, 6, 7]]) In [34]: B_4_4.shape Out[34]: (4, 4) In [35]: B_3_4_8 = np.tile(B, (3, 2, 2)) In [36]: B_3_4_8 Out[36]: array([[[0, 1, 2, 3, 0, 1, 2, 3],          [4, 5, 6, 7, 4, 5, 6, 7],          [0, 1, 2, 3, 0, 1, 2, 3],          [4, 5, 6, 7, 4, 5, 6, 7]],         [[0, 1, 2, 3, 0, 1, 2, 3],          [4, 5, 6, 7, 4, 5, 6, 7],          [0, 1, 2, 3, 0, 1, 2, 3],          [4, 5, 6, 7, 4, 5, 6, 7]],         [[0, 1, 2, 3, 0, 1, 2, 3],          [4, 5, 6, 7, 4, 5, 6, 7],          [0, 1, 2, 3, 0, 1, 2, 3],          [4, 5, 6, 7, 4, 5, 6, 7]]]) In [37]: B_3_4_8.shape Out[37]: (3, 4, 8)

 

 

많은 도움 되었기를 바랍니다.