라일락 꽃이 피는 날

reshape 현재 배열의 차원(Dimension)을 변경하여 행렬을 반환하는 경우에 사용하는 함수이다. 1행 10열로 되어있는 배열을 reshape 함수를 통해 2행 5열로 재배열한다. 입력인수로 -1이 들어간 경우, 변경된 배열의 -1 위치의 차원은 원래 배열의 길이와 남은 차원으로부터 추정이 된다. 따라서 reshape(-1, 1)을 하면 1열을 만들면서 10개의 값을 담아야하므로 자동으로 10행이 된다. reshape(5, -1)을 하면 5행을 만들면서 10개의 값을 담아야하므로 자동으로 2열이 된다. reshape(-1)와 같이 단독으로 -1만 있는 경우 1차원 배열을 반환한다.

1-1. 덧셈 shape이 같아야 하고, 같은 position끼리 연산한다. a = np.array([[1, 2, 3], [2, 3, 4]]) b = np.array([[3, 4, 5], [1, 2, 3]]) a + b # array([[4, 6, 8], [3, 5, 7]]) 1-2. sum 행 sum: np.sum(arr, axis=0) 열 sum: np.sum(arr, axis=1) a = np.array([[1, 2, 3], [2, 3, 4]]) np.sum(a, axis=0) # array([3, 5, 7]) np.sum(a, axis=1) # array([6, 9]) 2. 뺄셈 shape이 같아야 하고, 같은 position끼리 연산한다. a = np.array([[1, 2, 3], [2, 3,..

1. sort (정렬) 1차원 오름차순 정렬: np.sort(arr) 1차원 내림차순 정렬: np.sort(arr)[::-1] arr = np.array([1, 10, 5, 8, 2, 4, 3, 6, 8, 7, 9]) np.sort(arr) # array([ 1, 2, 3, 4, 5, 6, 7, 8, 8, 9, 10]) np.sort(arr)[::-1] # array([10, 9, 8, 8, 7, 6, 5, 4, 3, 2, 1]) 하지만, 이렇게 정렬된 값들은 유지되지 않는다. 값을 정렬된 상태로 저장하려면 정렬된 값을 다시 배열에 저장하거나, 배열 자체에 sort를 해주면 된다. arr.sort() arr # array([ 1, 2, 3, 4, 5, 6, 7, 8, 8, 9, 10]) 2차원 열 정렬:..

arange (~이상~미만) 순서대로 리스트에 값을 생성하는 방법이다. 첫 번째 인자에는 start 값, 두 번째 인자에는 stop 값이 들어간다. keyword 인자는 파라미터의 keyword를 지정해줌으로써 순서 없이 지정해 줄 수 있다. arr = np.arange(10) arr # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) arr = np.arange(1, 11) arr = np.arange(start=1, stop=11) arr # array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) 추가로 세 번째 인자에는 step 값을 넣어줄 수 있다. arr = np.arange(1, 11, 2) arr = np.arange(start=1, stop=11, ste..

1. index 지정 색인 arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) arr[0] # 0 arr[5] # 5 arr[-1] # 9 arr[-10] # 0 arr2d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) arr2d[0, 2] # 3 arr2d[2, 1] # 10 2. 범위 색인 (~이상~미만) arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) arr[1:] # array([1, 2, 3, 4, 5, 6, 7, 8, 9]) → index 1이상 arr[:5] # array([0, 1, 2, 3, 4]) → index 5미만 arr[1:5] # array([1, 2, 3..

Numpy : 수학, 과학 계산을 위한 패키지 (Numerical Python) import numpy as np ndarray : n차원 배열 (n dimension array) 1D array : 1차원 배열 numpy.array([1, 2, 3, 4]) shape: (4,) ⇒ 4×1의 배열 2D array : 2차원 배열 numpy.array([1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]) shape: (3, 4) ⇒ 3×4의 배열 3D array : 3차원 배열 shape: (2, 5, 3) ⇒ 2×5×3의 배열 1. ndarray 생성 arr = np.array([1, 2, 3, 4], dtype=int) arr # array([1, 2, 3, 4]) type(..