밀래의 코딩북

이번 포스팅은 numpy의 boolean index, fancy index에 대해 정리글 입니다. 아래 참고 사이트 목록의 유튜브 영상을 참조하여 남깁니다. 1. boolean index numpy는 배열은 특정 조건에 따른 값을 배열 형태로 추출 할 수 있습니다. 비교 연산 함수 들도 모두 사용이 가능합니다. import numpy as np; test_array = np.array([1,4,0,2,3,8,9,7], float) # 조건에 맞으면 ture, 틀리면 false의 배열을 출력 test_array > 3 # 조건이 true인 index의 element만 추출 test_array[test_array>3] # 조건에 맞는것만 추출한다. condition = test_array 25 B # 0,1..

numpy에서 많이 사용하는 where, argmax, argmin에 대해 정리해보겠습니다. 아래 코드들은 jupyter를 활용하여 순서대로 실행해보세요. 1. numpy array 값 비교 numpy는 배열요소 그대로 비교 작업이 가능합니다. import numpy as np; a = np.arange(10) a a > 5 -- 출력 -- array([False, False, False, False, False, False, True, True, True, True]) 배열과 숫자를 비교하면 각각의 요소와 비교한 결과가 Array 형태로 출력됩니다. sum(a>5) -- 출력 -- 4 그래서 비교한 값을 sum으로 계산하면 True가 몇 개인지 확인할 수 있습니다. any any는 array 요소들 중..

이번 포스팅은 numpy의 Shape 다루기를 정리해보겠습니다. 머신러닝에서 행렬의 차원을 shape라는 개념으로 표현합니다. numpy에서도 차원을 다루기 위한 방법으로 shape을 제공하는데 어떻게 사용하는지 알아보겠습니다. 1. Shape 머신러닝에서 행렬의 차원을 shape라는 개념으로 표현합니다. 위와 같은 행렬이 있다고 한다면 1차원에 4, 2차원에 2로 (4,2)로 표현합니다. 그래서 앞으로 나오는 reshape에서 변수로 받는 부분은 차원을 의미합니다. 2. numpy Shape 다뤄보기. 2-1 reshape reshape 기능은 배열의 차원의 크기를 변경하는 방법입니다. 배열의 요소의 개수는 동일하며 차원만 조정합니다. 예를 들면 (2,4) 차원의 배열을 reshape 기능을 통해 (8..