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.
Numpy 배열연산3
#비교연산 arr1 = np.array([[1,2,3],[4,5,6]]) arr2 = np.array([[1,0,3],[4,-2,9]]) print(f"arr1 :\n{arr1}") print("\n") print(f"arr2 :\n{arr2}") print("\n") print(f"np.array_equal :\n{np.array_equal(arr1,arr2)}") print("\n") print(f"arr1 == arr2 :\n{arr1 == arr2}") print("\n") print(f"arr1 > arr2 :\n{arr1 > arr2}") print("\n") print(f"arr1 < arr2 :\n{arr1 < arr2}") #삼각함수 tri_array = np.array([[1,2,3],..
2024. 3. 9.
Numpy 배열연산1
□ 사칙연산 arr1 = np.array([[1,2,3,4,5],[6,7,8,9,10]]) arr2 = np.array([[2,2,2,2,2],[2,2,2,2,2]]) print(f"2차원배열 arr1 : {arr1}") print('\n') print(f"2차원배열 arr2 : {arr2}") print('\n') print(f"arr1+arr2 : {arr1+arr2}") print(f"arr1+arr2 : {np.add(arr1,arr2)}") print('\n') print(f"arr1-arr2 : {arr1-arr2}") print(f"arr1-arr2 : {np.subtract(arr1,arr2)}") print('\n') print(f"arr1*arr2 : {arr1*arr2}") print..
2024. 3. 9.
Numpy 인덱스 번호를 활용한 원소 출력
□ 1차원 배열 #1차원 배열 arr = np.array([0,1,2,3,4,5,6,7,8,9]) print(arr) print(arr[3]) print(arr[-1]) □ 2차원 배열 #2차원 배열 인덱싱 arr = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]]) print(arr) print("\n") print(arr[2,2:]) print("\n") print(arr[:,1]) print("\n") print(arr[:3,:2]) □ 응용 #1차원 배열 arr = np.array([5,10,15,20,25,30]) print(arr[[0,2,4]]) #0번째, 2번째, 4번쨰 인덱싱추출 #2차원 배열 arr = np.array([[5,10,15,20],[25,30,..
2024. 3. 8.
Numpy 특정범위로 N차원 배열생성
□ arange : 특정범위의 값을 가지는 N차원 배열 #0~9 범위에서 2씩 커지는 값으로 배열 생성 : 미만 a = np.arange(0,9,2) print(a) b = np.arange(start=3, stop=21, step=3) print(b) □ linspace(시작값, 끝값, 원소개수) : 특정범위의 값을 균등하게 배열생성 arr = np.linspace(0,20,30) □ logspace(시작값, 끝값, 원소개수, base=값) arr = np.logspace(1,10,10, base=2) □ 난수로 N차원 배열생성 및 히스토그램 arr = np.random.normal(0, 1, 10000) #0~1까지 10000개의 원소 생성 plt.hist(arr,bins=100) □ Seed을 통한..
2024. 3. 8.
