기록하는 습관

Numpy Data i/o import numpy as np txt 파일 저장 np.savetxt(파일명, 배열, fmt=문자열형식, delimiter=구분자) 아래 예시 배열을 저장해보자. array_save = np.arange(20).reshape(4,5) print( array_save ) [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]] fmt 값을 '%d'(정수)로 주지 않으면 실수 값으로 저장이 된다. np.savetxt("./sample_tab.txt", array_save, fmt='%d', delimiter="\t") 아래와 같이 잘 저장됨을 확인하였다. txt 파일 로드 np.loadtxt(파일명, dtype=데이터타입, d..

샘플링 함수들 import numpy as np np.random.uniform(하한, 상한, 형태) Docstring: uniform(low=0.0, high=1.0, size=None) Draw samples from a uniform distribution. Samples are uniformly distributed over the half-open interval [low, high) (includes low, but excludes high). In other words, any value within the given interval is equally likely to be drawn by uniform. print( np.random.uniform(0, 1, 5) ) print( np.r..

불리언 배열 (Boolean Array) import numpy as np 배열을 사용한 조건문에서도 브로드캐스팅이 일어난다. a = np.arange(10).reshape(2,5) print( a ) print( a < 5 ) [[0 1 2 3 4] [5 6 7 8 9]] [[ True True True True True] [False False False False False]] np.any() & np.all() array = np.arange(10) print( array ) print( array < 5 ) print( np.any(array < 5) ) print( np.all(array < 5) ) [0 1 2 3 4 5 6 7 8 9] [ True True True True True Fal..

배열 간 연산 import numpy as np Element-wise Operations a1 = np.array([0,4,5]) a2 = np.array([3,1,2]) print( "a1 + a2 =", a1 + a2) print( "a1 - a2 =", a1 - a2) print( "a1 * a2 =", a1 * a2) # dot product가 아님 print( "a1 / a2 =", a1 / a2) print( "a1 // a2 =", a1 // a2) print( "a1 % a2 =", a1 % a2) print( "a1 ** a2 =", a1 ** a2) a1 + a2 = [3 5 7] a1 - a2 = [-3 3 3] a1 * a2 = [ 0 4 10] a1 / a2 = [0. 4. 2...

import numpy as np 배열.sum(axis=축) 샘플 배열 생성 array = np.random.randint(0,6,(3,2,4)) array array([[[2, 1, 2, 4], [1, 2, 4, 0]], [[4, 4, 2, 0], [3, 1, 0, 3]], [[0, 2, 2, 5], [0, 5, 4, 3]]]) [[[2, 1, 2, 4], [1, 2, 4, 0]], [[4, 4, 2, 0], [3, 1, 0, 3]], [[0, 2, 2, 5], [0, 5, 4, 3]]] print( array.sum(axis=0) ) [[6 7 6 9] [4 8 8 6]] print( array.sum(axis=1) ) array([[3, 3, 6, 4], [7, 5, 2, 3], [0, 7, 6, ..

배열 자르기 import numpy as np np.split(배열, 기준, 축) Signature: np.split(ary, indices_or_sections, axis=0) Docstring: Split an array into multiple sub-arrays as views into ary. array = np.array(range(10)) a1, a2, a3 = np.split(array, [3,6], axis=0) print( "array :\n", array ) print( a1, a2, a3 ) array : [0 1 2 3 4 5 6 7 8 9] [0 1 2] [3 4 5] [6 7 8 9] array = np.array(range(20)).reshape(4,5) upper, lowe..

Exercise 위와 같이 배열을 합치려고 한다. 두 배열이 아래와 같이 주어졌다고 하자. import numpy as np x = np.array([[1,2], [3,4]]) y = np.array([5,6]) print(x) print( "shape :", x.shape, "ndim :", x.ndim ) print(y) print( "shape :", y.shape, "ndim :", y.ndim ) [[1 2] [3 4]] shape : (2, 2) ndim : 2 [5 6] shape : (2,) ndim : 1 만약 배열 y가 아래와 같다면 바로 concat을 적용할 수 있다. y_ = np.array([[5],[6]]) print( y_ ) print( "shape :", y_.shape, ..

배열 붙이기 (Concatenate) import numpy as np np.concatenate() Docstring: concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind") Join a sequence of arrays along an existing axis. 가장 간단해 보이는 concat 함수이지만 차원과 shape을 신경써서 써야 한다. a = np.array([1,2,3]) b = np.concatenate((a,a), axis=0) print( a ) print( "shape :", a.shape, "ndim :", a.ndim ) print( b ) print( "shape :", b.shape, "ndi..

Indexing, Slicing import numpy as np 1차원 배열의 인덱싱&슬라이싱은 리스트와 유사하다. array = np.array(range(10)) print( "array :", array ) print( "array[2] :", array[2] ) print( "array[-2] :", array[-2] ) print( "array[2:3] :", array[2:3] ) array : [0 1 2 3 4 5 6 7 8 9] array[2] : 2 array[-2] : 8 array[2:3] : [2]array = np.array(range(10)) print( "array :", array ) print( "array[2::3] :", array[2::3] ) print( "arr..

배열 형태 변경하기 (Reshape)import numpy as np배열.reshape(tup)사이즈가 동일한 형태로 reshape 해야한다.array = np.array(4) print( array ) print( array.size ) print( array.reshape(2,2) )4 1 --------------------------------------------------------------------------- ValueError Traceback (most recent call last) in 2 print( array ) 3 print( array.size ) ----> 4 print( array.reshape(2,2) ) ValueError: cannot reshape array o..