군침이 싹 도는 코딩

● 1차원 데이터(벡터)를 억세스하는법 x >>> array([83, 40, 73, 54, 31, 76, 91, 39, 90, 25]) x[2] >>> 73 ● 2차원 데이터(행렬)를 억세스하는법 X >>> array([[13, 22, 49, 42, 80], [91, 63, 58, 20, 34], [60, 40, 16, 37, 66], [ 2, 44, 16, 87, 84]]) X[1][2] >>> 58 ● 1차원 데이터(벡터)를 슬라이싱 하는법 x >>> array([83, 40, 73, 54, 31, 76, 91, 39, 90, 25]) x[2:6+1] >>> array([73, 54, 31, 76, 91]) ● 2차원 데이터(행렬)를 슬라이싱 하는법 X >>> array([[13, 22, 49, 42..

● 액시스를 사용하여 2차원 데이터를 연산 하는법 X >>> array([[13, 22, 49, 42, 80], [91, 63, 58, 20, 34], [60, 40, 16, 37, 66], [ 2, 44, 16, 87, 84]]) X.max(axis=1) # 각 행의 최대값 >>> array([80, 91, 66, 87]) X.min(axis=0) # 각 열의 최소값 >>> array([ 2, 22, 16, 20, 34]) X.sum(axis=0) # 각 열의 합 >>> array([166, 169, 139, 186, 264]) X.mean(axis=1) # 각 행의 평균값 >>> array([41.2, 53.2, 43.8, 46.6])

● 넘파이에서 랜덤값으로 채워진 배열을 만드는법 np.random.random(3) >>> array([0.31151381, 0.33843259, 0.07152977]) ● 넘파이에서 랜덤 정수로 채워진 배열을 만드는법 np.random.randint(1,6,10) # (start,stop,size = shape) >>> array([1, 4, 3, 4, 5, 4, 5, 4, 3, 2]) np.random.randint(1,6,(3,4)) # 2차원으로 만드는 법 >>> array([[1, 1, 5, 1], [3, 5, 2, 1], [4, 4, 3, 4]])

Numpy 는 데이터를 효율적으로 저장할수있는 data structure 이다. ● Numpy를 만드는 법 import numpy as np # 1차원 데이터 (벡터) 를 만드는법 x=np.array(a) x >>> array([1, 3, 2, 8, 4]) # 2차원 데이터 (행렬) 를 만드는법 X=np.array( [ [10,4] , [6,8] ] ) X >>> array([[10, 4], [ 6, 8]]) ● Numpy 데이터 모양을 확인하는법 x >>> array([1, 3, 2, 8, 4]) x.shape >>> (5,) # 데이터를 5개 저장하고 있다라는 뜻 ● Numpy 데이터 타입을 확인하는법 x.dtype >>> dtype('int32') # 32는 32비트라는 뜻 ● Numpy 데이터 갯..