블로그Python/NumPy

NumPy 4편: 브로드캐스팅과 axis

NumPy의 원소별 계산, 브로드캐스팅 규칙과 (N,)·(N, 1) 함정, axis 집계와 argmax, keepdims를 예제와 실행 결과로 정리했다.

Python 3.14.8NumPy 2.5.4

이 글의 코드와 수치는 노트북으로 직접 실행해 볼 수 있다.

노트북 내려받기

NumPy 배열끼리 원소별로 계산하는 방법, 모양이 다른 배열을 계산하는 브로드캐스팅 규칙, axis로 합계·평균을 구하는 방법을 정리했다. 예제의 출력은 모두 노트북을 실행한 결과다.

한눈에 보기

하고 싶은 것 코드 결과 / 주의
원소별 계산 a + b, a * b, a ** 2, np.sqrt(a) *는 행렬곱이 아니다
모양이 다른 배열 계산 (4, 3) + (3,), (4, 3) + (4, 1) 뒤 축부터 비교해 같거나 1이면 된다
(N,)와 (N, 1) 섞기 assert a.shape == b.shape 에러 없이 (N, N)이 된다
axis로 모으기 x.sum(axis=0), x.mean(axis=1) axis=k는 k번 축이 사라진다
가장 큰 값의 위치 x.argmax(axis=1), np.unravel_index(i, x.shape) axis가 없으면 펼친 번호
모은 값을 다시 계산 x - x.mean(axis=1, keepdims=True) keepdims 없으면 열 방향으로 빠진다

원소별 계산

모양이 같은 배열끼리 +, -, *, /, **를 하면 같은 자리의 원소끼리 계산한다. 숫자 하나와 계산하면 모든 원소에 적용된다. np.sqrt, np.exp, np.log 같은 함수도 원소마다 적용된다.

python
a = np.array([1, 4, 9, 16])
b = np.array([10, 20, 30, 40])
print(a + b, a * b, a / b)
print(a + 1, a * 2, a ** 2)
print(np.sqrt(a))
출력
[11 24 39 56] [ 10  80 270 640] [0.1 0.2 0.3 0.4]
[ 2  5 10 17] [ 2  8 18 32] [  1  16  81 256]
[1. 2. 3. 4.]

브로드캐스팅 규칙

모양이 다른 두 배열은 다음 규칙에 맞으면 계산된다. NumPy 문서는 두 배열의 shape를 “맨 뒤(가장 오른쪽) 차원에서 시작해 왼쪽으로” 비교하고, 두 차원은 “크기가 같거나, 둘 중 하나가 1이면” 호환된다고 적는다. 축 개수가 다르면 “없는 차원은 크기가 1”로 본다(NumPy 문서: Broadcasting). 크기가 1인 축은 상대 크기만큼 늘어난 것처럼 계산된다. 문서에 따르면 실제로 데이터를 복사해 늘리지는 않는다.

계산 맨 뒤 축 그 앞 축 결과
(4, 3) + (3,) 3과 3: 같다 4와 (없음 → 1) (4, 3). 모든 행에 [1, 2, 3]을 더한다
(4, 3) + (4,) 3과 4: 다르고 1도 아니다 에러
(4, 3) + (4, 1) 3과 1 4와 4: 같다 (4, 3). 모든 열에 [1, 2, 3, 4]를 더한다
python
a = np.zeros((4, 3))
print(a + np.array([1, 2, 3]))
try:
    a + np.array([1, 2, 3, 4])
except ValueError as e:
    print('ValueError:', e)
print(a + np.array([1, 2, 3, 4]).reshape(4, 1))
출력
[[1. 2. 3.]
 [1. 2. 3.]
 [1. 2. 3.]
 [1. 2. 3.]]
ValueError: operands could not be broadcast together with shapes (4,3) (4,) 
[[1. 1. 1.]
 [2. 2. 2.]
 [3. 3. 3.]
 [4. 4. 4.]]

양쪽이 모두 늘어날 수도 있다. (3, 1)과 (4,)를 더하면 (3, 4)가 되어 모든 조합을 한 번에 계산한다.

python
col = np.array([[10], [20], [30]])  # (3, 1)
row = np.array([1, 2, 3, 4])        # (4,)
print((col + row).shape)
print(col + row)
출력
(3, 4)
[[11 12 13 14]
 [21 22 23 24]
 [31 32 33 34]]

(N,)와 (N, 1)을 섞을 때

(3,)과 (3, 1)은 값이 같아 보여도 위의 col + row처럼 양쪽이 늘어나 (3, 3)이 된다. 같은 자리끼리 빼려던 계산이 에러 없이 표 하나를 만든다.

python
a = np.array([1.0, 2.0, 3.0])         # (3,)
b = np.array([[1.5], [2.5], [3.5]])   # (3, 1)
print((a - b).shape)
print(a - b)
print(a - b.ravel())
출력
(3, 3)
[[-0.5  0.5  1.5]
 [-1.5 -0.5  0.5]
 [-2.5 -1.5 -0.5]]
[-0.5 -0.5 -0.5]

b를 ravel()로 (3,)에 맞추면 원래 의도한 같은 자리끼리의 차이가 나온다. 이 결과로 평균 같은 값을 구하면 숫자 하나가 나오므로, 중간 shape를 찍지 않으면 틀린 것을 알아채기 어렵다.

python
try:
    assert a.shape == b.shape, (a.shape, b.shape)
except AssertionError as e:
    print('AssertionError:', e)
출력
AssertionError: ((3,), (3, 1))

실제 코드에서는 try 없이 assert 한 줄만 둔다.

axis로 모으기

sum, mean, std, var, min, max, argmin, argmax는 axis를 받는다. axis=k는 k번 축을 접어서 없앤다는 뜻이다.

호출 ((3, 3) 점수표, 행: 학생, 열: 과목) 사라지는 축 남는 것 shape
scores.mean() 전부 숫자 하나 ()
scores.mean(axis=0) 행 열마다 하나 = 과목별 평균 (3,)
scores.mean(axis=1) 열 행마다 하나 = 학생별 평균 (3,)
scores.mean(axis=1, keepdims=True) 열(크기 1로 남김) 학생별 평균 (3, 1)
python
scores = np.array([[80, 90, 70],
                   [60, 85, 95],
                   [100, 75, 88]])  # 행: 학생 3명, 열: 과목 3개
print(scores.sum(), scores.mean().round(2))
print(scores.mean(axis=0).round(2))
print(scores.mean(axis=1).round(2))
print(scores.max(axis=0), scores.argmax(axis=1))
print(scores.mean(axis=0).shape, scores.mean(axis=1, keepdims=True).shape)
출력
743 82.56
[80.   83.33 84.33]
[80.   80.   87.67]
[100  90  95] [1 2 0]
(3,) (3, 1)

max(axis=0)은 과목별 최고점, argmax(axis=1)은 학생마다 가장 높은 과목의 번호다.

argmax와 펼친 번호

argmax는 가장 큰 값의 번호를 돌려준다. axis를 주면 축마다 번호를 돌려주고, 주지 않으면 배열을 1차원으로 펼친 번호를 돌려준다. 행·열 번호로 바꾸려면 np.unravel_index를 쓴다.

python
i = scores.argmax()
r, c = np.unravel_index(i, scores.shape)
print(i, r, c)
print(scores.argmax(axis=0), scores.argmax(axis=1))
출력
6 2 0
[2 0 1] [1 2 0]

최댓값 100은 2행 0열에 있고, 펼친 번호로는 6(= 2 × 3 + 0)이다. argmax(axis=0)은 과목마다 최고점을 받은 학생 번호, argmax(axis=1)은 학생마다 최고점 과목 번호다.

모은 값을 다시 계산하기: keepdims

각 행에서 그 행의 평균을 빼려면 평균을 (3, 1) 모양으로 만들어야 한다. keepdims=True를 주면 접힌 축이 크기 1로 남는다.

python
wrong = scores - scores.mean(axis=1)
right = scores - scores.mean(axis=1, keepdims=True)
print(wrong.mean(axis=1).round(2))
print(right.mean(axis=1).round(2) + 0.0)  # + 0.0: -0. 표시 방지
출력
[-2.56 -2.56  5.11]
[0. 0. 0.]

행마다 평균을 뺐다면 결과의 행 평균은 0이어야 한다. keepdims 없이 뺀 wrong은 (3,)이 열 방향으로 맞춰져, 각 열에서 학생 평균을 뺀 결과가 되었다.

axis=0으로 모은 값은 (3,)이 맨 뒤 축(열)에 그대로 맞춰지므로 keepdims가 없어도 된다. 열마다 그 열의 평균을 빼는 예다.

python
centered = scores - scores.mean(axis=0)
print(centered.round(2))
print(centered.mean(axis=0).round(2) + 0.0)  # + 0.0: -0. 표시 방지
출력
[[  0.     6.67 -14.33]
 [-20.     1.67  10.67]
 [ 20.    -8.33   3.67]]
[0. 0. 0.]

열마다 평균이 0이 되었다.