numpy(14)
-
[Python.NumPy] 정규분포, 균등분포 데이터 만들기 np.random.normal, uniform - Creation Function IV
0. 요약 NumPy에서 Random sampling을 쉽게 하는 함수들을 제공하고, 원하는 분포에 따라 값을 다르게 반환해준다. np.random.uniform 함수와 np.random.normal 함수를 공부해보자. Creation Function에 대해서는 지난 포스트들에서 설명을 했기 때문에 바로 random sampling으로 내용을 정리했다. 2020/12/04 - [Python과 머신러닝/Python 데이터 수집] - NumPy arange/zeros/empty 함수의 차이 - Creation Function I 2020/12/05 - [Python과 머신러닝/Python 데이터 수집] - NumPy ones_like, zeros_like, empty_like 함수 - Creation Fun..
2020.12.07 -
[Python.NumPy] Identity 행렬, eye, diag 함수 이해하기 - Creation Function III
0. 요약 이전 Creation Function에 관한 포스트를 보면 Creation function이 뭔지 더 쉽게 이해할 수 있다. 2020/12/04 - [Python과 머신러닝/Python 데이터 수집] - NumPy arange/zeros/empty 함수의 차이 - Creation Function I 2020/12/05 - [Python과 머신러닝/Python 데이터 수집] - NumPy ones_like, zeros_like, empty_like 함수 - Creation Function II 이번 포스트에서는 identity 행렬을 NumPy로 만드는 방법, 그리고 eye함수 diag 함수는 어떻게 사용할 수 있는지 보자. 1. Identity 행렬 만들기 #identity 행렬 만들기 (대각..
2020.12.06 -
[Python.NumPy] ones_like, zeros_like, empty_like 함수 - Creation Function II
0. 요약 지난 포스트에서는 arange/zeros/empty에 대해서 배웠고, Creation Function에 대해서 정리했다. 2020/12/04 - [Python과 머신러닝/Python 데이터 수집] - NumPy arange/zeros/empty 함수의 차이 - Creation Function I 그렇기 때문에 이 포스트에서는 Creation Function에 대해서는 설명하지 않고, Creation function 중 ones_like/zeros_like/empty_like에 대해서 알아보자. In [1]:test_matrix = np.arange(30).reshape(5,-1) Out[1]:array([[ 0, 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10, 11], [12, 1..
2020.12.05 -
[Python.NumPy] ndarray indexing과 slicing
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 ..
2020.11.30 -
[Python.NumPy] ndarray.reshape - 크기 변환하기
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..
2020.11.30 -
[Python.NumPy] ndarray 이해하기
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 = [..
2020.11.30