(천*훈) (강의노트 14장) 어레이 사칙연산

[ChunYehoon04]

넘파이 어레이 연산은 기본적으로 동일한 모양을 갖는 두 어레이에 대해 항목별로 이루어진다. 즉, 지정된 연산을 동일한 위치의 항목끼리 실행하여 새로운, 동일한 모양의 어레이를 생성한다.

강의자료 14장의 내용을 보다가 모양이 다른 어레이 간의 연산에 대해 궁금증이 생겼습니다.
shape이 서로 다른 어레이들 간에도 사칙연산이 가능한지, 가능하다면 어떤 방식으로 이루어지는지 알고 싶습니다.

• A의 행과 열이 B보다 크거나 같은 경우

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6]])
B = np.array([[11, 12],
              [13, 14]])

X = arr1 + arr2

• A의 열이 B보다 크고 반대로 행은 B보다 작은 경우

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6]])
B = np.array([[11, 12],
              [13, 14],
              [15, 16]])

X = arr1 + arr2

[Mmmmmmmmin3o]

(김*서)
Broadcasting이라는 규칙을 통해 자동 처리합니다. 작은 배열을 큰 배열의 크기에 맞춰 늘려서 연산을 가능하게 하는 방식입니다.

예를 들어 [1,2,3]과 [5]를 더한다고 한다면, [5]는 일차원 어레이이기 때문에 값을 복제한 것으로 생각해 [6,7,8]의 결과를 도출합니다.

2차원 배열에서도 마찬가지로 1차원 배열일 경우에만 확장시켜 2차원 배열로 생각하여 계산합니다.

만약 튜플이 (2,3), (3,2)인 경우에는 브로드캐스팅의 조건에 적합하지 않습니다.

브로드캐스팅의 조건은 가로열이든 세로열이든 상관 없이 하나만 1차원이라면 만족합니다.

단, 배열의 차원에서 서로 다른 값이면서 둘 다 1이 아닌 경우 연산이 불가능합니다.

넘파이 공식 사이트 : 브로드 캐스팅 관련 가이드
https://numpy.org/devdocs/user/basics.broadcasting.html
파이썬 데이터 과학 핸드북 : 브로드 캐스팅
https://jakevdp.github.io/PythonDataScienceHandbook/02.05-computation-on-arrays-broadcasting.html
이미지와 함께 설명해주어서 이해하기 더 쉬울 것입니다.

[liganega]

@ChunYehoon04

• 어레이 연산은 기본적으로 모양이 동일한 경우에만 진행됨.
• @Mmmmmmmmin3o 가 언급한 브로드캐스팅 기법은 모양이 동일하지 않더라도 연산이 되도록 해주는 기법인데 어레이와 스칼라 연산이 대표적인 사례임.

@Mmmmmmmmin3o : 문구를 작성할 때 표현을 잘 해야 함.

• 예를 들어, 아래 문장은 틀렸음.

  Broadcasting이라는 규칙을 통해 자동 처리합니다. 작은 배열을 큰 배열의 크기에 맞춰 늘려서 연산을 가능하게 하는 방식입니다.

• 브로드캐스팅이 가능한 경우를 일반적으로 설명하기는 좀 복잡함.