Numpy

스카이버드 2023. 12. 16. 17:49

1.넘파이 세팅

2.넘파이 배열 생성

3. 배열구조 : shape, reshape

4. 인덱싱, 슬라이싱

5. 배열 생성 함수 : arrange, ones,zeros,empty, identity, eye, diag

6. 랜덤 함수 : np.random.uniform()

7. 배열연산(sum,

8. 연결 함수

9. 사칙 연산,내적,브로드캐스팅

10. 비교연산

11.인덱스 반환

12. 데이터 추출

1. 넘파이

넘파이란 벡터나 행렬 같은 선형대수의 표현법을 코드로 처리하는 고성능 과학 계산용 라이브러리이다.

특징
배열의 모든 구성요소에 값이 존재해야함(행렬일 경우 내부의 각 벡터의 크기가 같아야함), 하나의 데이터 타입만 사용, 데이터를 메모리에 연속적으로 나열

2. 넘파이 배열

2.1 넘파이 배열과 텐서

텐서 : 선형대수의 데이터 배열 >> 랭크에 따라 이름이 다름

넘파이 배열 : 텐서 데이터를 다루는 객체(변수)

2.2 배열 생성

매개변수 dtype으로 넘파이 배열의 데이터 타입지정가능

#dtype

import numpy as np

a=np.array([[1, 2, 3.5], [4, 5, 6.5]], dtype = int)

print(a)

b=np.array([[1, 2, 3.5], [4, 5, 6.5]], dtype = float)

print(b)

2.3 메소드

shape은 배열의 구조 반환 ex) np.array.shape >> (3,4)
3차원 배열일 경우 shape 결과는 (a,b,c)로 나옴, 튜플로 반환
※ones,zeros,empty와 같이 생성함수 사용할 땐 shape을 반환용이 아닌 크기 설정으로 사용
ex) np.ones(shape = (3,3), dtype = np.int8)
ndim : 배열의 차원반환
size : 행고 열의 곱 값을 반환
reshape : 배열구조 변경 및 랭크 조절
ex) np.array.reshape(-1,) >> 행 알아서 지정, array.reshape(2,-1) >> 2행에 열을수는 알아서
-1의 의미 : 요소의 개수를 맞춰 알아서 결정
np.array.reshape(1,-1 ) = flatten함수 >>데이터그대로 1차원으로 변경

2.4 인덱싱(배열 값에 접근)

인데스 처럼 0부터 시작, 따라서 x행렬읭1행 1열에 접근할경우, array[0,0] or array[]0[0]

접근후 수정 or 값 가져오기

2.5 슬라이싱

인덱싱 처럼 0부터 시작하기 때문에 적혀이있는 마지막 숫자는 포함x

건너 뛰면서 슬라이싱하기

리스트와 동일 [초기인덱스,마지막인덱스,증가값], 우선순위는 마지막,초기,증가

2.6 배열 생성 함수

arange
ex)np.arange(10)
ones
ex)np.ones(shape = (5,2), dtype = np.int8)
zeros
ex)np.zeros(shape = (2,2)
empty >> 빈 행렬 생성, 초기화되지 않았기 때문에 임의의 작은 값으로 반환, 사실상 0에 가까움
ex)np.empty(shape = (2,4)
np.ones_like(x) >> x와 같은 배열크기의 ones함수 생성
np.zeros_like(x)
np.empty_like(x)
np.identity(n=3, dtype = int) >> nxn 단위 행렬 생성
np.eye(N=3, M=5, k=2) >> 행,열,단위행렬시작지점 설정할수 있는 함수
N은 행의 개수, M은 열의개수, k는 열을 기준으로 하는 시작 인덱스
np.diag(matrix, k=1) >> matrix행렬의 대각성분값 추출, k는 열을 기준으로 하는 시작 인덱스

2.7 통계분석함수

uniform 함수 : 균등분포 함수 >> 주어진 범위 안에서 균등한 비율로 난수를 추출
ex) 'np.random.uniform(시작값, 끝값, 데이터개수)'
normal 함수 : 정규분포 함수 >> 랜덤 추출후 평균과 분산을 구해 정규화한것
ex) 'np.random.uniform(평균값,분산,데이터개수)'