numpy 20

리스트를 array로 변환 np.array() 함수를 사용하여 리스트를 numpy.ndarray 타입으로 변환한다.

관계연산 >, >= 대소구분

Numpy 배열 슬라이싱 1차원 배열의 슬라이싱은 리스트와 같이 [첫 인덱스:마지막 인덱스+1] 하면 되지만 고차원 배열의 경우에는 ,로 구분하여 범위를 지정하게 된다. arr[1:3, 2:4]에서 (1, 2) (1, 3) (2, 2) (2, 3) 요소를 배열로 반환한다. [행 인덱스, 열 인덱스]

Numpy 배열 브로드캐스팅 Broadcasting Numpy에서는 같은 모양의 배열이 아니더라도 (1)상수를 배열에 더하거나, (2)모양이 다른 배열끼리 덧셈 연산이 가능하다(단, 특정 조건을 갖춘 배열이여야 한다). 이와 같이 Numpy에서 배열의 모양이 다르더라도 자동으로 맞춰 연산하는 것을 브로드캐스팅이라 한다. A와 B의 Shape가 같지 않지만 브로드캐스팅으로 덧셈 연산이 가능해진다. 벡터 A행렬과 스칼라 5값을 더한다. 차원이 다른 배열간의 연산의 브로드캐스팅은 다음과 같다. (a, b, c) (d, e) 이때 (a, b, c)의 c와 e가 같거나 둘중 하나가 1이어야 한다. 스칼라와 배열의 연산은 스칼라의 형태가 1이기 때문에 가능하다. A와 B의 마지막 차원이 3으로 같고, 서로 차원이 ..

Numpy array 요소 접근 리스트처럼 간단하게 인덱스넘버로 요소에 접근할 수 있다. 2차원 이상의 배열에서는 리스트와 다르게 ,를 통해 접근한다 list[2][3] array[2,3] 덧셈 A+B 뺄셈 A-B 나눗셈 A*B 곱셈 A/B 나머지연산 A%B 단순 행렬 연산은 연산하는 두 행렬의 행, 열, 차원이 같아야 가능하다.

Numpy array 선언, 생성 1과 0으로 된 배열 생성 1과 0으로만 이루어진 배열을 만들기 위해 함수를 사용했다 np.ones(shape = (a,b)) np.zeros(shape = (a, b)) 랜덤넘버(난수)로 만들어진 배열 생성 A는 정해진 사이즈대로 배열을 생성한다. np.random.normal(size = (3, 2, 3)) B는 정규분포를 따르는 배열을 생성한다. (loc=평균 scale=분포) np.random.normal(loc = 3, scale = 0.25, size = (4, 2)) C는 a이상 b미만의 int를 주어진 사이즈대로 배열로 생성한다. np.random.randint(a, b, size = (3, 2)) np.random.seed(42) 랜덤넘버는 진짜 랜덤으로..

함수 shape 이미 존재하는 행렬의 모양을 나타내는 함수 결과 값이 튜플로 나온다. 2차원 행렬에서는 (행, 열)로 간단히 모양을 알 수 있지만 3차원 이상의 행렬에서는 (차원, 행, 열), 그 이상의 모양은 순서를 생각해야 한다. 예를 들어 가장 겉의 괄호를 따라서 몇개의 원소가 있는지 차원을 결정하고, 그 원소 안의 행과 열을 따라 모양이 나온다.

평균 Average 모평균 - 모집단 전체의 평균 표본 평균 - 모집단에서 추출한 표론의 평균 import statistics statistics.mean(a) 중앙값 Median 평균의 경우 극단 값의 영향을 많이 받음 [50,60,70,1000] - 주어진 자료를 높은 쪽 절반과 낮은 쪽 절반으로 나누는 의미 - 자료를 순서대로 나얼했을 때 중앙 값 홀수 (n+1)/2 짝수 n/2와 (n/2)+1의 평균 statistics.median(b) 분산 Variance - 편차의 제곱의 합을 자료의 수로 나눈값 - 값과 평균의 차이 - 얼마나 퍼져 있는지 모분산 - 모집단 전체의 분산 표본 분산 - 모집단에서 추출한 표론의 분산 statistics.pvariance(a) 모분산 statistics.varia..

List 보다 Numpy의 속도가 많이 빠른 편이기 때문에 많은 양의 데이터를 다루기 위해 Numpy 라이브러리를 사용한다. Numpy의 일차원 배열, 이차원 배열을 만들어봤다. x.shape를 통해 배열의 크기와 차원도 알 수 있다.

Anaconda Navigator을 실행하고 환경을 클릭하면 라이브러리 설치여부를 알 수 있는 곳이 나온다. Numpy를 검색해서 Apply 해준다.