[프로그래머스 겨울방학 인공지능 과정] numpy 복습 2

문제1¶

임의의 모양을 가진 numpy.ndarray 타입의 2차원 행렬이 주어진다. numpy를 활용하여 (y1, x1)에서 (y2, x2)까지 구간에 해당하는 모든 요소 값에 2를 곱하여 반환하는 함수를 제작하라.

In [4]:

import numpy as np

# test_arr 생성
test_arr = np.array([
 [ 1,  5,  3,  4,  5,  5,  4,  2, 10,  9],
 [ 7,  3,  2,  5,  2,  7,  8,  2,  5,  3],
 [ 3,  2,  5,  6,  7,  8,  2, 10,  6,  5],
 [ 4,  7,  6,  6,  5,  5,  6,  7,  1,  2]
])

test_arr

Out[4]:

array([[ 1,  5,  3,  4,  5,  5,  4,  2, 10,  9],
       [ 7,  3,  2,  5,  2,  7,  8,  2,  5,  3],
       [ 3,  2,  5,  6,  7,  8,  2, 10,  6,  5],
       [ 4,  7,  6,  6,  5,  5,  6,  7,  1,  2]])

In [6]:

# 이전 복습을 통하여
# 우리는 슬라이싱을 활용해 2차원 배열에 접근이 가능하다는 사실을
# 인지한 바 있다.

# 행 0 이상 3 미만의 인덱스 추출, 열 0이상 3 미만의 인덱스 추출하여 접근
test_arr[0:3, 0:3]

Out[6]:

array([[1, 5, 3],
       [7, 3, 2],
       [3, 2, 5]])

In [7]:

# 접근된 값에는 계산도 가능했다.
test_arr[0:3, 0:3] * 2

Out[7]:

array([[ 2, 10,  6],
       [14,  6,  4],
       [ 6,  4, 10]])

In [18]:

# 따라서 위 내용을 적용하여 정답을 입력한다.
x1 = 1
x2 = 4
y1 = 0
y2 = 2

# 이상 ~ 미만을 고려하여 작성한다.
# Y = row, X = column임을 주의한다.
# (인덱싱할 위치) = (인덱싱할 위치를 바꾸어줄 값)
test_arr[y1:y2 + 1, x1:x2 + 1] = test_arr[y1:y2 + 1, x1:x2 + 1] * 2

In [19]:

# 값이 원하는 내용으로 변경된 것을 확인할 수 있다.
test_arr

Out[19]:

array([[ 1, 10,  6,  8, 10,  5,  4,  2, 10,  9],
       [ 7,  6,  4, 10,  4,  7,  8,  2,  5,  3],
       [ 3,  4, 10, 12, 14,  8,  2, 10,  6,  5],
       [ 4,  7,  6,  6,  5,  5,  6,  7,  1,  2]])

문제2¶

Y = X * transpose(W) + b 를 계산하라.

In [22]:

X = [1, 2, 3]
W = [3, 4, 5]
b = 7

X = np.array(X)
W = np.transpose(W)

In [24]:

# 행렬의 곱은 .odt으로 처리할 수 있다.
dot = np.dot(X, W)

dot

Out[24]:

26

In [25]:

dot + b

Out[25]:

33

문제3¶

사용자에게는 2차원 배열이 주어진다. 첫번째 행은 정보A가 있고, 두번째 행은 정보B가 있다고 가정하자. 즉, 하나의 열이 한 사람의 정보인 것이다. 두 조건 중 하나라도 해당되는 사람의 인덱스를 추출하는 알고리즘을 구현하라.

• 조건1. 정보A는 150 미만, 195 초과

• 조건2. 정보B는 140 이상

  정답은 list로 반환한다.

In [27]:

test_A = ([
    [151.4, 172.45, 138.65, 177.63, 207.46],
     [44.64, 163.5, 112.35, 73.55, 97.83]
])

test_A

Out[27]:

[[151.4, 172.45, 138.65, 177.63, 207.46], [44.64, 163.5, 112.35, 73.55, 97.83]]

• np.where(test_A < 150)과 같이 입력할 때, 아래와 같은 TypeError가 출력됨.
• TypeError: '<' not supported between instances of 'list' and 'int'
• 2차원 배열을 조건으로 둘 시 발생하는 오류라고 추측하여 조건문을 모두 1차원배열화 한 후 작업 실시

In [85]:

# np.where(test_A < 150) 과 같이 입력할 때
# TypeError: '<' not supported between instances of 'list' and 'int' 발생
# 

A = test_A[0]
A = np.array(A)
A

Out[85]:

array([151.4 , 172.45, 138.65, 177.63, 207.46])

In [86]:

B = test_A[1]
B = np.array(B)
B

Out[86]:

array([ 44.64, 163.5 , 112.35,  73.55,  97.83])

In [96]:

A_result = np.where((A < 150) | (A > 195))
A_result

Out[96]:

(array([2, 4], dtype=int64),)

In [88]:

B_result = np.where(B >= 140)
B_result

Out[88]:

(array([1], dtype=int64),)

• 이때, np.where()로 출력된 값 타입은 tuple이며,
• 출력된 값의 [0]인덱스를 출력해야 np.array형식이라는 것이다.

In [91]:

type(A_result)

Out[91]:

tuple

In [92]:

type(A_result[0])

Out[92]:

numpy.ndarray

• 따라서, A_result[0]을 list화한 후, 두 리스트를 서로 더해준다.

In [97]:

A_result = A_result[0].tolist()

In [98]:

A_result

Out[98]:

[2, 4]

In [99]:

B_result = B_result[0].tolist()

In [100]:

B_result

Out[100]:

[1]

In [115]:

# 이후 두 리스트를 더해준다.
result = A_result + B_result
result

Out[115]:

[2, 4, 1]

In [116]:

# 이때, 주의할 점은 두 리스트 값의 중복값이 없어야 한다는 것이다.
# 따라서 자료구조 set을 활용하여 중복값을 제거한다.
list(set(result))

Out[116]:

[1, 2, 4]