0. 요약 ndarray를 쓰면 기존 Java나 C와는 다르게 배열을 참조하는데 세미콜론(:)이 꼭 들어간다. 기존 프로그램을 짜 봤던 사람이라면 indexing은 쉽겠지만, slicing을 이해하는건 꽤나 까다롭고 처음엔 약간 변태적(?)인 문법이라는 생각이 들기도 한다. 이걸 한번에 이해할 수 있는 원리와 예제들을 한번 정리하고자 한다. import numpy as np test_list = [[1, 2, 5, 8], [2, 3, 6, 9], [3, 4, 7, 10], [4, 5, 8, 11]] # 4 x 4 array test_array = np.array(test_list, int) print(test_array[1][2]) # 6 출력 print(test_array[1, 2]) # 동일하게 6 ..

0. 요약 ndarray의 형태를 바꿔야 하는 경우는 생각보다 많다. 그래서 NumPy는 ndarray 배열의 재배치를 지원하는 .reshape 함수를 제공한다. 이 함수를 어떻게 사용할 수 있는지, 그 외의 -1 indexing과 .flatten() 함수의 용도를 알아보자. 관련 글 2020/11/30 - [Python과 머신러닝/Python 데이터 수집] - NumPy의 ndarray 이해하기 2020/11/30 - [Python과 머신러닝/Python 데이터 수집] - NumPy의 ndarray indexing과 slicing 1. 기본 데이터를 ndarray로 입력하고, .shape을 통해 기대한 값이 나오는지 확인 import numpy as np test_matrix = [[1, 2, 3, 4..

0. 요약 이번에는 ndarray란 무엇이고, 왜 필요한지 배워보려고 한다. ndarray를 어떻게 만들 수 있는지 배워보고, ndarray의 property는 어떤 것들이 있고, 어떻게 활용되는지 간단한 예제들을 통해서 배워보자. 1. ndarray 란 NumPy의 N차원 배열 객체이다. Python의 list와 가장 큰 차이점은, 하나의 데이터 타입만 넣을 수 있다는 점이다. (Python List는 Dynamic typing을 지원하지만, ndarray는 지원하지 않는다) C로 프로그래밍을 한 사람이라면, C의 Array와 동일하다고 이해하면 가장 쉽다. 2. int 타입의 ndarray 생성하기 # a의 list를 int 타입의 ndarray로 생성하여 a_ndarray 변수에 담는다. a = [..