4.8.3 다양한 색인 기법 (혼합 색인 & 조건부 색인)

단순한 범위 지정(Slicing)이나 콕콕 집어내기(Fancy Indexing)를 넘어, 이 둘을 극강으로 조합하거나 아예 데이터의 조건을 걸어 뽑아내는 실전 응용 기술을 익혀봅시다.

[1부] 혼합 전술: 팬시 색인과 슬라이싱의 결합 (Fancy Indexing + Slicing)

슬라이싱으로 거대한 블록(구간)을 먼저 썰어낸 다음, 그 블록 안에서 내가 원하는 특정 열(Col)의 순서만 바꿔서 쏙쏙 빼오는 2단 콤보 기술입니다.

[1단계] 기반 요도 생성

0에서 39까지의 값을 가진 (5, 8) 2차원 배열 공간을 생성합니다.

import numpy as np

a = np.arange(40).reshape(5, 8)
print("베이스 배열 a:\n", a)

실행 결과:

베이스 배열 a:
 [[ 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]]

(참고) 다차원을 다룰 때는 a[2:4, 3:7] 처럼 콜론(:) 2개를 배열하면 연속된 2D 직사각형 덩어리 자체를 잘라냅니다.

[2단계] 가로축 색인 추출 후 세로축 섞기 (혼합 타격)

앞쪽(행)에는 범위를 주는 np.arange(2, 4) 즉 2와 3을 반환하는 슬라이싱 배열을 걸고, 뒤쪽(열)에는 특정 인덱스 [1, 0, 3, 5] 형태의 Fancy Indexing 리스트를 걸면 혼합 방식이 적용됩니다.

혼합 전술 추출 애니메이션

즉, 2번 행과 3번 행을 썰어낸 덩어리에서 -> 1열, 0열 번호에 해당하는 수직 기둥만 낚아채서 조립합니다.

# 1. a[np.arange(2, 4)] 로 먼저 2행, 3행 추출
# 2. 뒤이어 [:, [1, 0]] 로 각 꺼내진 행의 1번째 열과 0번째 열 기둥을 순서대로 추출
print("혼합 색인 [1, 0] 결과:\n", a[np.arange(2, 4)][:, [1, 0]])

실행 결과:

혼합 색인 [1, 0] 결과:
 [[17 16]
  [25 24]]


# 열 타겟을 더 늘려볼까요? (2,3,4행을 썰어내고, 그 안에서 1,0,3,5열 기둥을 잡아채기)
print("혼합 색인 다중 열 결과:\n", a[np.arange(2, 5)][:, [1, 0, 3, 5]])

실행 결과:

혼합 색인 다중 열 결과:
 [[17 16 19 21]
  [25 24 27 29]
  [33 32 35 37]]

[3단계] 역순 추출 혼합 작전

열 인덱싱 자리에 아예 역순으로 번호를 생성하는 np.arange(-1, -8, -1) (즉 -1, -2, -3...)를 넣어버리면, 뽑혀 나온 데이터 블록이 거울처럼 좌우 반전되는 마법을 볼 수 있습니다.

역순 추출 애니메이션

보폭을 -1 로 주어 맨 뒷열부터 거꾸로 추출하는 응용 기법입니다.

# 행은 2,3,4행 추출 / 열은 맨 뒤(-1)부터 왼쪽으로 거꾸로 추출!
print("역순 혼합 색인 결과:\n", a[np.arange(2, 5)][:, np.arange(-1, -8, -1)])

실행 결과:

역순 혼합 색인 결과:
 [[23 22 21 20 19 18 17]
  [31 30 29 28 27 26 25]
  [39 38 37 36 35 34 33]]

[2부] 조건부 색인 (Boolean Indexing): 그물망(Mask) 필터링

비유로 쉽게 이해하기: 마법의 뜰채(그물망) 만들기

앞서 배운 인덱싱은 “3번 타일, 5번 타일 가져와!” 처럼 번호를 직접 불러서 빼오는 방식이었습니다.

하지만 데이터가 10만 개가 넘어가면 짝수 번호나 특정 범위에 해당하는 번호를 일일이 부를 수가 없습니다. 이럴 때 사용하는 것이 바로 조건부 색인(Boolean Indexing)입니다.

원리는 아주 단순하면서 강력합니다.

  1. 그물망 만들기: “8보다 큰 애들 손들어!” 라고 외치면, 조건에 맞는 곳은 [True], 아닌 곳은 [False]가 뜬 거대한 그물망(마스크)이 만들어집니다.
  2. 뜰채 덮어씌우기: 이 True / False 모양의 틀을 원본 배열 위에 툭 덮어씌웁니다.
  3. 결과물 얻기: 그물망에 구멍이 난 부분(True) 아래에 있던 알맹이 데이터들만 후두둑 떨어져서 내 손에 들어오게 됩니다!

[1단계] 단순 조건문으로 그물망(Mask) 씌우기

배열 변수 안에 숫자가 아닌 조건식(> 8 등)을 그대로 집어넣으면 됩니다.

불리언 인덱싱 애니메이션

a = np.array([7, 20, 15, 11, 8, 7, 19, 11, 4])

# "a > 8" 이라는 조건 그물망을 a 모양 파이프 위에 씌워버림!
mask_result = a[a > 8]
print("8보다 큰 값들만 즉시 필터링:", mask_result)

실행 결과:

8보다 큰 값들만 즉시 필터링: [20 15 11 19 11]

[2단계] 조건을 두 개 이상 섞어 겹그물망 만들기

조건이 복잡할 때 파이썬의 표준 and, or 키워드를 배열에 사용하면 에러가 납니다.

배열 전체를 일괄 검사할 때는 비트 연산자인 & (그리고, AND) 와 | (이거나, OR) 기호를 씁니다.

🔥 핵심 주의사항: 기호를 쓰기 전에 반드시 각 조건을 괄호 ( )로 묶어서 보호해 주어야 합니다!

다중 조건 불리언 애니메이션

즉석에서 “(a가 4다)” 마스크와 “(a가 15보다 크다)” 마스크를 만든 뒤, 둘을 포개서 | (OR)로 합치는 원리입니다.

a = np.array([1, 2, 3, 4, 16, 17, 18])

# 4이거나(OR) 15 초과인 값만 추출
result1 = a[(a == 4) | (a > 15)]
print("다중 그물망(OR) 추출 결과:", result1)

실행 결과:

다중 그물망(OR) 추출 결과: [ 4 16 17 18]

[3단계] 추출 대신 “값 강제 치환” 하기 (클리핑)

그물망 필터링의 진짜 무서운 점은 뽑아내는 것뿐만 아니라, 해당하는 녀석들만 일망타진하여 값을 한 번에 바꿔버릴 수 있다는 점입니다.

이를 클리핑(Clipping)이라고 부르기도 합니다.

# 점수가 10점 이상인 녀석들을 싹 다 잡아서 강제로 10점으로 하향 평준화
a[a >= 10] = 10
print("10점 이상 클리핑 조치 완료:", a)

실행 결과:

10점 이상 클리핑 조치 완료: [ 1  2  3  4 10 10 10]

[4단계] 데이터 말고, “위치(좌표) 번호”만 탐지하기: np.where()

데이터를 후두둑 떨어뜨려 가져오지 않고, “그래서 조건을 만족하는 애들 진짜 집 주소(인덱스 번호)가 구체적으로 몇 번이야?” 라고 수색 레이더를 돌려야 할 때가 있습니다.

이때 np.where() 함수를 씁니다.

np.where() 애니메이션

배열 데이터 7이나 5 대신, 그놈들이 숨어있는 좌표인 인덱스 0과 인덱스 1을 배열로 반환합니다.

x = np.array([1, 5, 7, 8, 10])

# 7보다 작은 숫자들의 집 주소 반환 요청
idx = np.where(x < 7)

print("수색 반경 내 타겟 위치:", idx)

실행 결과:

수색 반경 내 타겟 위치: (array([0, 1], dtype=int64),)

💡 실전 팁: 결과가 약간 특이하게 보일 수 있는데, 항상 (튜플, ) 안에 array가 감싸진 형태로 반환됩니다. idx[0]을 치면 [0, 1] 원본 배열을 바로 확인할 수 있습니다. np.where는 결측치(NaN, 구멍 난 데이터)가 도대체 10만 행 데이터 중 어디 어디에 숨어있는지 탐지할 때 필수적으로 쓰입니다!

서브목차