데이터와 인공지능 훑어보기

ufunc (Universal Function) ndarray 안에 있는 데이터 원소 별로 연산을 수행하는 함수 하나 이상의 스칼라 값을 받아서 하나 이상의 스칼라 결과 값을 반환하는 간단한 함수를 고속으로 수행할 수 있는 벡터화된 래퍼 함수 연산 함수 사칙연산 add(), multiply(), negative(), exp(), log(), sqrt() 삼각 함수 sin(), cos(), hypot() 비트 단위 bitwise_and(), left_shift() 관계형, 논리 less(), logical_not(), equal() 최대/최소 maximum(), minimum(), modf() 부동소수점에 적용 함수 isinf(), infinite(), floor(), isnan() 단항 유니버셜 함수 함..

flatten() n차원의 ndarray를 1차원으로 변형 import numpy as np arr = np.zeros((3,2)) print(arr) arr = arr.flatten() print(arr) >> [[0. 0.] [0. 0.] [0. 0.]] [0. 0. 0. 0. 0. 0.] reshape() np.reshape(arr, shape) arr.reshape(shape) 배열 재형성, 이미 존재하는 ndarray를 원하는 shape로 변형하는 함수 order: {'C', 'F', 'A'} 'C': C언어의 인덱스 규칙 'F': Fortran의 인덱스 규칙으로 읽고 쓰기 옵션 -1을 사용하면 shape를 명시하지 않아도 자동으로 채워줌(단, 1개의 차원이 남아 있는 경우만 가능) -1이 전달..

벡터화 (Vectorization) 배열은 for 문을 작성하지 않고 데이터를 일괄 처리 가능 같은 크기의 배열 간 산술 연산은 배열의 각 요소 단위로 적용 import numpy as np arr = np.array([[1,2,3],[4,5,6]]) print(arr) print(arr+arr) print(arr-arr) print(arr*arr) print(arr/arr) print(arr ** arr) >> [[1 2 3] [4 5 6]] [[ 2 4 6] [ 8 10 12]] [[0 0 0] [0 0 0]] [[ 1 4 9] [16 25 36]] [[1. 1. 1.] [1. 1. 1.]] [[ 1 4 27] [ 256 3125 46656]] 브로드캐스팅(BroadCasting) 스칼라 인자: 모든..

Numpy (Numerical Python) Numerical Python의 약자로서 산술계산에 특화된 라이브러리 다차원 배열을 위한 기능과 선형 대수 연산을 제공 반복문을 작성할 필요없이 전체 데이터 배열에 대한 빠른 연산 위한 표준 수학 함수 제공 배열 데이터를 디스크에 쓰거나 읽을 수 있는 도구와 메모리에 올려진 파일을 사용 선형대수, 난수 발생기, 푸리에 변환이 가능 Numpy 특징 ndarray(다차원 배열객체) numpy에서 제공하는 대규모의 데이터 집합을 담을 수 있는 자료 구조로서 N차원의 배열 객체를 의미 빠르고 효율적인 메모리 사용, 유연한 브로드캐스팅 지원 디스크로부터 배열 기반의 데이터를 읽거나 쓰기 용이 C, C++, 포트란 등으로 쓰여진 코드를 통합 가능 선형대수 계산, 푸리에 ..