늘 헷갈리는 axis0, axis1
axis는 늘 헷갈립니다.
- 왜 헷갈리는지 모르겠지만, 늘 헷갈려요(저는 알아요, 저만 그런것이 아닐것이라는 사실을 하하핫). 그래서 입력한 다음에도 제대로 되었는지를 늘 확인해야 합니다 새드. 그래서 여기에 적어두고 헷갈릴 때마다 보려고 합니다 하하하.
- 사실 헷갈리는 이유는 꽤 명확합니다. 1) 한번 공부할 때, 제대로 공부하지 않았기 때문에, 2) 공부한 것을 정리해두지 않았기 때문 이죠. 저는 제가 블로그를 참 잘 만들었다고 생각합니다. 공부한 것들을 정리해두면서 더 많이 공부하게 되고, 내면이 탄탄해지는 기분이 들어요. 아마도, 올해 제일 잘한 일인 것 같네요.
테스트 어레이
- 차원에 따른 변화를 명확하게 확인하기 위해서,
np.array의 shape을 (2,3,5,7)의 소수들로 세팅했습니다. 이렇게 하면 차원이 어떻게 변화하는지 확인이 쉽습니다.
import numpy as np
"""차원에 따른 변화를 파악하기 위해서 각 축을 소수로 만들어서 4차원의 어레이를 생성
"""
test_arr = np.array([i for i in range(0, 2*3*5*7)]).reshape(2,3,5,7)
print("shape: {}".format(test_arr.shape))
print("---")
print(test_arr)
- (2,3,5,7) 크기의 어레이가 생성되었습미다.
shape: (2, 3, 5, 7)
---
[[[[ 0 1 2 3 4 5 6]
[ 7 8 9 10 11 12 13]
[ 14 15 16 17 18 19 20]
[ 21 22 23 24 25 26 27]
[ 28 29 30 31 32 33 34]]
[[ 35 36 37 38 39 40 41]
[ 42 43 44 45 46 47 48]
[ 49 50 51 52 53 54 55]
[ 56 57 58 59 60 61 62]
[ 63 64 65 66 67 68 69]]
[[ 70 71 72 73 74 75 76]
[ 77 78 79 80 81 82 83]
[ 84 85 86 87 88 89 90]
[ 91 92 93 94 95 96 97]
[ 98 99 100 101 102 103 104]]]
[[[105 106 107 108 109 110 111]
[112 113 114 115 116 117 118]
[119 120 121 122 123 124 125]
[126 127 128 129 130 131 132]
[133 134 135 136 137 138 139]]
[[140 141 142 143 144 145 146]
[147 148 149 150 151 152 153]
[154 155 156 157 158 159 160]
[161 162 163 164 165 166 167]
[168 169 170 171 172 173 174]]
[[175 176 177 178 179 180 181]
[182 183 184 185 186 187 188]
[189 190 191 192 193 194 195]
[196 197 198 199 200 201 202]
[203 204 205 206 207 208 209]]]]
axis에 따른 변화를 확인해봅시다: np.min
- 사실
np.min이든np.sum이든 아무 상관없습니다만,np.min이 axis에 따른 변화가 명확하게 드러나는 것 같아서, 선택했습니다. - 선택할 수 있는 axis는
[None, 0, 1,2,3]입니다. axis를 변화하면서np.min을 사용하였는데 그 결과도 아래 함께 추가하였습니다.axis=None: 이 경우, 축을 무시하고, 모든 원소가 같은 층위에 있다고 생각합니다. 따라서, 여기서는 해당 어레이에 존재하는 원소 중에서 가장 작은 원소를 리턴합니다.axis=0: 이 경우 1번째 차원을 적용해 줍니다. array의 shape는 (2,3,5,7)이고, 2개 짜리 array에 대해서 해당 함수를 적용해줍니다.axis=1: 이 경우 2번째 차원을 적용해 줍니다. array의 shape는 (2,3,5,7)이고, 3개 짜리 array에 대해서 해당 함수를 적용해줍니다.axis=2: 이 경우 3번째 차원을 적용해 줍니다. array의 shape는 (2,3,5,7)이고, 5개 짜리 array에 대해서 해당 함수를 적용해줍니다.axis=3: 이 경우 4번째 차원을 적용해 줍니다. array의 shape는 (2,3,5,7)이고, 7개 짜리 array에 대해서 해당 함수를 적용해줍니다.
실제 코드
new_arr = np.min(test_arr, axis=None)
print("axis=None:")
print("shape: {}".format(new_arr.shape))
print(new_arr)
print("---")
for axis_v in range(0, len(test_arr.shape)):
new_arr = np.min(test_arr, axis=axis_v)
print("axis={}:".format(axis_v))
print("shape: {}".format(new_arr.shape))
print(new_arr)
print("---")
axis=None:
shape: ()
0
---
axis=0:
shape: (3, 5, 7)
[[[ 0 1 2 3 4 5 6]
[ 7 8 9 10 11 12 13]
[ 14 15 16 17 18 19 20]
[ 21 22 23 24 25 26 27]
[ 28 29 30 31 32 33 34]]
[[ 35 36 37 38 39 40 41]
[ 42 43 44 45 46 47 48]
[ 49 50 51 52 53 54 55]
[ 56 57 58 59 60 61 62]
[ 63 64 65 66 67 68 69]]
[[ 70 71 72 73 74 75 76]
[ 77 78 79 80 81 82 83]
[ 84 85 86 87 88 89 90]
[ 91 92 93 94 95 96 97]
[ 98 99 100 101 102 103 104]]]
---
axis=1:
shape: (2, 5, 7)
[[[ 0 1 2 3 4 5 6]
[ 7 8 9 10 11 12 13]
[ 14 15 16 17 18 19 20]
[ 21 22 23 24 25 26 27]
[ 28 29 30 31 32 33 34]]
[[105 106 107 108 109 110 111]
[112 113 114 115 116 117 118]
[119 120 121 122 123 124 125]
[126 127 128 129 130 131 132]
[133 134 135 136 137 138 139]]]
---
axis=2:
shape: (2, 3, 7)
[[[ 0 1 2 3 4 5 6]
[ 35 36 37 38 39 40 41]
[ 70 71 72 73 74 75 76]]
[[105 106 107 108 109 110 111]
[140 141 142 143 144 145 146]
[175 176 177 178 179 180 181]]]
---
axis=3:
shape: (2, 3, 5)
[[[ 0 7 14 21 28]
[ 35 42 49 56 63]
[ 70 77 84 91 98]]
[[105 112 119 126 133]
[140 147 154 161 168]
[175 182 189 196 203]]]
---
wrap-up
- row, column으로 생각하면 오히려 더 헷갈리는 것 같습니다. 우리가 일반적으로 리스트를 생각하면 리스트 안에 또 리스트가 있는 형태로 차원이 구성되죠. 그리고 같은 리스트 내에 있는 원소들의 shape은 같아야 합니다(
np.array에서). -
만약 axis=0이라면 해당 어레이의 첫번째 차원은 삭제되고 나머지 차원은 그대로 유지된다는 이야기가 되죠. 음, 이건 말로 하면 설명이 더 복잡해지는 것 같기도 한데, 그냥 위에 코드를 보는 게 더 좋을 것 같기도 하네요.
- 그리고, axis는 반드시 integer여야 합니다. 혹시 2개 이상의 차원을 한번에 축소할 수 있는지 알아봤는데, 그건 안되는 것 같네요.
test_arr = np.array([i for i in range(0, 2*3*5*7*11*13*17)]).reshape(2,3,5,7,11,13,17)
print(test_arr.shape)
for axis_v in range(0, len(test_arr.shape)):
new_arr = np.min(test_arr, axis=axis_v)
print("axis={}:".format(axis_v))
print("shape: {}".format(new_arr.shape))
print("---")
(2, 3, 5, 7, 11, 13, 17)
axis=0:
shape: (3, 5, 7, 11, 13, 17)
---
axis=1:
shape: (2, 5, 7, 11, 13, 17)
---
axis=2:
shape: (2, 3, 7, 11, 13, 17)
---
axis=3:
shape: (2, 3, 5, 11, 13, 17)
---
axis=4:
shape: (2, 3, 5, 7, 13, 17)
---
axis=5:
shape: (2, 3, 5, 7, 11, 17)
---
axis=6:
shape: (2, 3, 5, 7, 11, 13)
---
댓글남기기