hoazzinews 님의 블로그

import numpy as np# 1. reshape()를 이용한 모양(shape) 변경np_arr = np.arange(12)print(f'np_arr: \n{np_arr}')np_arr_reshape = np_arr.reshape((4, 3))print(f'np_arr_reshape: \n{np_arr_reshape}')np_arr_reshape = np_arr_reshape.reshape((12))print(f'np_arr_reshape: \n{np_arr_reshape}')# 2. resize()를 이용한 배열 크기 변경np_arr = np.arange(36).reshape((4, 3, 3))print(f'np_arr: \n{np_arr}')np_arr.resize((3, 3, 4))print(..

import numpy as np# 1. 인덱싱(indexing)를 이용한 numpy 배열 조회np_arr = np.arange(10)print(f'np_arr: \n{np_arr}')print(f'np_arr[0]: {np_arr[0]}') print(f'np_arr[4]: {np_arr[4]}')np_arr = np.arange(12).reshape(3, 4)print(f'np_arr: \n{np_arr}')print(f'np_arr[0]: {np_arr[0]}')print(f'np_arr[0][2]: {np_arr[0][2]}')# 2. 반복(for)문을 이용한 numpy 배열 조회: np_arr = np.arange(12).reshape(4, 3)for row in np_arr: print(..

import numpy as np# 1. python 리스트(list)를 이용한 numpy 배열 생성: 1차원py_list = [1, 2, 3, 4, 5]print(f'py_list: \n{py_list}')np_arr = np.array(py_list)print(f'np_arr: \n{np_arr}')np_arr = np.array([10, 20, 30, 40, 50])print(f'np_arr: \n{np_arr}')# 1. python 리스트(list)를 이용한 numpy 배열 생성: n차원py_list = [ [1, 2, 3, 4, 5], [10, 20, 30, 40, 50],]print(f'py_list: \n{py_list}')np_arr = np.array(py_list)print..

1. 병합np_arr_1 = np.array( [ [1, 2], [3, 4] ])print(f'np_arr_1: \n{np_arr_1}')np_arr_2 = np.array( [ [10, 20], [30, 40] ])print(f'np_arr_2: \n{np_arr_2}')# 수평 병합np_arr_h = np.hstack([np_arr_1, np_arr_2])print(f'np_arr_h: \n{np_arr_h}')# 수직 병합np_arr_v = np.vstack([np_arr_1, np_arr_2])print(f'np_arr_v: \n{np_arr_v}') 2. 1차원 배열 분할# 1차원 배열 분할np_arr = np.array..

1. 배열 vs 배열 연산np_arr_1 = np.array( [ [1, 2, 3, 4, 5], [6, 7, 8, 9, 10] ])np_arr_2 = np.array([10, 10, 10, 10, 10])print(np_arr_1 + np_arr_2)print(np_arr_1 - np_arr_2)print(np_arr_1 * np_arr_2)print(np_arr_1 / np_arr_2) 2. 브로드 캐스팅# 1차원np_arr_1 = np.arange(10)print(f'np_arr_1: \n{np_arr_1}')np_arr_2 = np.array([10])print(f'np_arr_2: \n{np_arr_2}')print(f'np_arr_1 + np_arr_2: \n..

1. 2차원 배열 shape변경(re-shape)np_arr = np.array( [ [1, 2, 3, 4, 5], [6, 7, 8, 9, 10] ])print(f'np_arr: {np_arr}')print(f'np.shape(np_arr): {np.shape(np_arr)}')np_arr.shape = (5, 2)print(f'np_arr: {np_arr}')print(f'np.shape(np_arr): {np.shape(np_arr)}') 2. 3차원 배열 shape변경(re-shape)np_arr = np.array( [ [ [1, 2, 3, 4, 5], [6, 7, 8, 9, 10] ], ..

1. 배열 슬라이싱 기본np_arr = np.array([1, 2, 3, 4, 5])print(f'np_arr: {np_arr}')print(f'np_arr[1:3]: {np_arr[1:3]}')print(f'np_arr[1:]: {np_arr[1:]}')print(f'np_arr[:3]: {np_arr[:3]}')print(f'np_arr[:3]: {np_arr[:-1]}')np_arr = np.array( [ [ [1, 2, 3, 4, 5], [6, 7, 8, 9, 10] ], [ [11, 12, 13, 14, 15], [16, 17, 18, 19, 20] ], ..

1. ones() & ones_like()# 모든 원소가 1인 배열 만들기np_arr = np.ones((3, 5), dtype=int)print(f'np_arr: {np_arr}')py_list = [1, 2, 3]np_arr = np.ones_like(py_list, dtype=float)print(f'np_arr: {np_arr}')py_list = [[1, 2, 3], [4, 5, 6]]np_arr = np.ones_like(py_list, dtype=float)print(f'np_arr: {np_arr}') 2. zeros() & zeros_like() # 모든 원소가 0인 배열 만들기np_arr = np.zeros((3, 5), dtype=int)print(f'np_arr: {np_arr}'..

1. 배열 속성 원소 데이터 타입 설정# 배열 원소 데이터 타입 설정(dtype)np_arr = np.array([1, 2, 3], dtype=float)print(f'np_arr: {np_arr}') # np_arr: [1. 2. 3.]# 배열 원소 데이터 타입 변경(astype())np_arr = np_arr.astype(np.int64)print(f'np_arr: {np_arr}') # np_arr: [1. 2. 3.] 2. 배열 속성(차원, 형태, 데이터타입) 확인np_arr = np.array( [ [1., 2, 3., 4, 5], [10, 20, 30, 40, 50], [100, 200, 300, 400, 500] ])# 배열 차원print..

1. 배열 연산# numpy 배열 연산np_arr = np.array([10, 20, 30, 40, 50])print(f'np_arr: {np_arr}')print(f'np_arr + 10: {np_arr + 10}') # np_arr + 10: [20 30 40 50 60]print(f'np_arr - 10: {np_arr - 10}') # np_arr - 10: [ 0 10 20 30 40]print(f'np_arr * 10: {np_arr * 10}') # np_arr * 10: [100 200 300 400 500]print(f'np_arr / 10: {np_arr / 10}') # np_arr / 10: [1. 2. 3. 4. 5.]print(f'np_arr % 10: {n..