[Numpy] Numpy 배열의 Indexing & Slicing
Indexing 파이썬의 시퀀스 자료형에서 사용한 것과 동일하게 대괄호[ ] 를 사용하여 특정 요소에 접근 Numpy에서는 대괄호 한 번만 사용 ex) 2차원 리스트에서 데이터 접근 : list[0][1] ex) 2차원 Numpy Array에서 데이터 접근 : array[0, 1] ⇒ [ 행, 열 ] ◾ 정수 인덱싱 arr1 = np.array([1,2,3,4,5]) arr1 arr1[2] # 3 arr1[-1] # 5 #arr1[6] # Error! arr1[:2] # array([1, 2]) arr1[-4:-1] # array([2, 3, 4]) arr1[::-1] # array([5, 4, 3, 2, 1]) array = np.arange(9).reshape(3,3) ''' array([[0, 1,..
2022. 4. 2.
[Numpy] Numpy 배열의 연산
1️⃣ Elements Wide 같은 위치에 있는 원소들끼리 사칙 연산 가능 shape 다르면 연산 불가 Error! import numpy as np x = np.array([[1,2],[3,4]]) y = np.array([[5,6],[7,8]]) x+y >> array([[ 6, 8], [10, 12]]) x-y >> array([[-4, -4], [-4, -4]]) 2️⃣ Broadcasting shape은 동일하지만 전체에 적용하는 것 x = np.array([[1,2],[3,4]]) x*100 >> array([[100, 200], [300, 400]]) np.sqrt(x) # x값 전체에 제곱근, 루트 씌운 꼴 >> array([[1. , 1.41421356], [1.73205081, 2. ..
2022. 4. 2.
[Numpy] Numpy 배열의 속성 및 함수
⭐ ndim : ndarray의 차원 나타냄 , 1⇒ 1차원 ⭐ shape : 각 차원의 ndarray 크기를 튜플 형태로 나타냄, 가로(행) x개, 세로(열) y개, 3행 4열 ⇒ (3, 4) ⭐ size : ndarray에 있는 요소의 총 수 ⭐ dtype : ndarray의 데이터 유형, int8~int64, float16~float128 ⭐ dtypes : column 별 데이터 타입 확인 ⭐ T : ndarray의 전치된 결과 반환 (행열 바꾸기) ⇒ transfer됨 ⭐ astype() : ndarray의 모든 요소들의 타입을 한 번에 형 변환 ⭐ reshape : (1, 8)짜리 배열이 reshape(4,4)짜리로 변환, 재대입 필수 array = np.array([[1, 2], [3, 4]..
2022. 4. 2.
