Numpy 배열 병합/분할
□ 병합 : np.append(배열1,배열2, axis=0or1) #배열간 병합 a = np.arange(1,13).reshape(3,4) b = np.arange(13,25).reshape(3,4) c = np.append(a,b,axis=0) d = np.append(a,b,axis=1) print(f"a 형태 :\n{a}") print("\n") print(f"b 형태 :\n{b}") print("\n") print(f"c 형태(행방향 병합) :\n{c}") print("\n") print(f"d 형태(열방향 병합) :\n{d}") print("\n") □ 병합 ○ vstack = axis 0 기준으로 병합 ○ hstack = axis 1 기준으로 병합 a = np.arange(1,33).resha..
2024. 3. 10.
Numpy 인덱스 번호를 활용한 임의값 추가 및 삭제
□ np.insert(변수명, 인덱스번호, 추가 값) □ np.delete(변수명, 인덱스번호, 삭제 값) #1차원 배열생성 a = np.array([1,2,3,4,5]) #특정 인덱스번호에 임의 값 넣기 b = np.insert(a,2,100) print(f"a 형태 :\n{a}") print("\n") print(f"b 형태 :\n{b}") #2차원 배열생성 c = np.arange(1,16).reshape(3,5) #특정 인덱스번호에 임의 값 넣기 : 행방향, 열방향 d = np.insert(c,1,100, axis = 0) e = np.insert(c,1,100, axis = 1) #특정 인덱스번호에 임의 값 삭제 : 행방향, 열방향 f = np.delete(c,2, axis = 0) g = np..
2024. 3. 10.
Numpy 전치행렬
전치 행렬은 행과 열을 교환하여 얻는 행렬이다. 즉, 주대각선을 축으로 하는 반사 대칭을 가하여 얻는 행렬 #전치행렬 Transpose Matrix arr = np.array([[1,2],[3,4]]) print(f"arr : \n{arr}") print("\n") print(f"arr 전치행렬: \n{arr.T}") print("\n") print("\n") arr1 = np.array([[1,2,3],[4,5,6],[7,8,9]]) print(f"arr1 : \n{arr1}") print("\n") print(f"arr1 전치행렬: \n{arr1.T}") print("\n") print("\n") arr3 = np.array([[1,2],[3,4],[5,6]]) print(f"arr3 : \n{arr..
2024. 3. 9.
Numpy 배열연산4
□ 브로드캐스팅 #브로드케스팅 arr1 = np.array([[0,0,0],[1,1,1],[2,2,2]]) arr2 = np.array([[5,6,7]]) print(f"arr1 :\n{arr1}") print("\n") print(f"arr2 :\n{arr2}") print("\n") print(f"arr1 + arr2 :\n{arr1+arr2}") print("\n") arr3 = np.array([[1,1,1]]) arr4 = np.array([[0],[1],[2]]) print(f"arr3 :\n{arr3}") print("\n") print(f"arr3 :\n{arr4}") print("\n") print(f"arr3 + arr4 :\n{arr3+arr4}")
2024. 3. 9.
