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..

파이썬 numpy로 단위행렬, 대각 행렬 생성하는 방법과 대각 행렬 요소를 추출하는 방법을 정리해보겠습니다. numpy에서 identity, eye, diag 함수를 제공합니다. identity : n 단위 행렬 생성 eye : 대각 행렬 생성 diag : 대각선 요소 추출 identity identity를 활용하면 필요한 number of rows의 단위행렬을 생성할 수 있습니다. 단위행렬이란 주 대각선 원소가 모두 1이며 나머지 원소는 0인 행렬을 말합니다. np.identity(n=3, dtype=np.int8) -- 출력 -- array([[1, 0, 0], [0, 1, 0], [0, 0, 1]], dtype=int8) np.identity(5) -- 출력 -- array([[1., 0., 0.,..

이번 포스팅은 numpy에서 array 생성 함수인 arange, ones, zeros, emtpy, _like에 대해 정리해보겠습니다. arange numpy에서 원하는 숫자 범위를 모두 포함하는 배열을 만드는 함수를 제공합니다. arange를 사용하면 원하는 숫자 범위, 숫자 간격에 따른 array를 생성할 수 있습니다. import numpy as np; np.arange(30) # range : List의 range와 같은 효과, integer로 0부터 29까지 배열 추출 -- 출력 -- array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29])..

오늘은 머신러닝을 배우는데 있어서 필요한 numpy에 대해 정리해보겠습니다. 1. Numpy란? numpy는 Numerical Python의 약자입니다.파이썬의 고성능 과학 계산용 패키지로 Matrix와 Vector와 같은 Array 연산을 할때 사용하며 표준 라이브러리 처럼 사용하고 있습니다. 한글로는 넘파이로 주로 통칭하며, 넘피/늄파이라고도 부르기도 합니다. 2. Numpy 특징 numpy의 특징은 다음과 같습니다. 일반 List에 비해 빠르고, 메모리를 효율적으로 사용한다.반복문 없이 데이터 배열에 대한 처리를 지원하여 빠르고 편리하다.선형대수와 관련된 다양한 기능을 제공한다.C, C++, 포트란 등의 언어와 통합이 가능하다.3. Numpy 레퍼런스numpy를 학습할때 참고하면 좋은 사이트 목록입..