넘파이 연습사이트
: https://www.machinelearningplus.com/python/101-numpy-exercises-python/
모듈 및 배열생성
import numpy as np
np.array( [ ] )
a = np.array([1, 2, 3, 4, 5, 6])
a = np.array([ [1, 2, 3], [4, 5, 6] ])
#리스트형으로 요소를 넣는다.
data = [2, 4, 6, 8, 10.5]
b = np.array(data)
# 2.0, 4.0, 6.0, 8,0, 10.5
b.dtype #float
# 하나의 자료형으로 요소 통일됨.
np.arange( )
c = np.arange(4)
# 0, 1, 2, 3
d = np.arrange(2, 10, 2)
# 2, 4, 6, 8
np.linspace( )
np.linspace( 시작점, 끝점, 갯수)
e = np.linspace(2, 8, 4)
# 2, 4, 6, 8
np.repeat( ) - 요소 반복
e = np.repeat(1,5)
# 1, 1, 1, 1, 1
np.tile( ) - 묶음 반복
np.tile([1,2,3],3)
# 1, 2, 3, 1, 2, 3, 1, 2, 3
np.repeat([1,2,3],3)
# 1, 1, 1, 2, 2, 2, 3, 3, 3
np.full( )
np.full( 모양, 값, dtype=)
e = np.full( (2,2), 5 )
# [ [5, 5], [5, 5] ]
.reshape( , ) / .shape
f= d.reshape(2,2)
# [2, 4], [6, 8]
# 나머지 값을 '-1'로 입력하면, 자동으로 계산되어 입력된다.
f.shpae
# (2, 2)
특별한 형태의 배열
- np.zeros(10)
: 값이 0이고 요소가 10개인 1차원 배열 - np.zeros((3, 4))
: 값이 0이인 3*4 배열 - np.ones( )
: 값이 1인 ~ 배열 - np.eye(5)
: 단위행렬 5*5
: 곱했을 때, 자기 자신이 나오는 행렬
배열의 타입 변환
배열.astype( type명 )
난수 배열 생성, 무작위 요소 섞기
np.random.rand()
# 0~1 사이 난수 생성
np.random.rand(3, 3)
# 0~1 사이 3*3 난수 생성
np.random.randint(10, size=(2,2))
# 0~10 사이 2*2 난수 생성
np.random.shuffle()
# 인덱스 랜덤 배치
배열 붙이기
> a = np.arange(10).reshape(2,-1)
> b = np.repeat(1, 10).reshape(2,-1)
# Method 1:
np.concatenate([a, b], axis=0/1)
# Method 2:
np.vstack([a, b]) / np.hstack([a, b])
# Method 3:
np.r_[a, b] / np.c_[a, b]
> array([[0, 1, 2, 3, 4],
> [5, 6, 7, 8, 9],
> [1, 1, 1, 1, 1],
> [1, 1, 1, 1, 1]])
배열의 연산
arr1 = np.array([10, 20, 30, 40])
arr2 = np.array([1, 2, 3, 4])
사칙연산
arr1 + arr2
arr1 - arr2
arr1 * arr2
arr1 / arr2
arr2 * 2
arr2 ** 2
논리연산
arr1 > 1
# 각 요소에 대해서, 논리 결과값 True / False 도출
arr1[ arr1 > 20 ]
# True인 요소만 남김
arr1[ (arr1 > 20) & (arr1 < 30 ) ]
# 두 가지 이상의 수식을 포함할 경우, & 사용
배열의 통계 함수
arr3 = np.array([0, 1, 2, 3, 4])
합, 평균, 표준편차, 변수, 최대/최소
arr3.sum()
arr3.mean()
arr3.std()
arr3.var()
arr3.min()
arr3.max()
누적 합/곱
arr3.cumsum()
# 1, 3, 6, 10
arr3.cumprod()
# 1, 2, 6, 24
백분위 수 가져오기
np.percentile(arr3, q=[25, 90])
행렬곱 / 전치행렬
행렬곱
np.dot(A, B)
A.dot(B)
A@B
전치행렬
np.transpose()
.T
배열의 인덱싱과 슬라이싱
a1 = np.array([10, 20, 30, 40, 50])
a1[0]
# 10
a1[[0, 2, 4]]
# 10, 30, 50
a2 = np.array([10, 20, 30], [40, 50, 60], [70, 80, 90])
a2[1, 1] / a2[1][1]
# 50
a2[1]
# 40, 50, 60
a2[1] = [44, 55, 66]
a2[1]
# 44, 55, 66
a3 = np.array([10, 20, 30, 40, 50])
a3[:3]
# 10, 20, 30
a4 = np.array([10, 20, 30], [40, 50, 60], [70, 80, 90])
a4[0:2][1:3] / a4[0:2, 1:3]
# [20, 30], [50, 60]
조건에 맞는 index 찾기
np.where(arr의 조건)
index 출력
np.where( 조건식, 참일때값, 거짓일때값)
# arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# out = np.where(arr%2==1, -1, arr)
# array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1])
np.argmax(arr)
최대값에 해당하는 index 찾기
np.argmin(arr)
최소값에 해당하는 index 찾기
집합함수
np.unique(x) : 배열 내 중복된 원소 제거 후 유일한 원소를 정렬하여 반환
(1) np.intersect1d(x, y) : 두 개의 배열 x, y 의 교집합을 정렬하여 반환
(2) np.union1d(x, y) : 두 개의 배열 x, y의 합집합을 정렬하여 반환
(3) np.setdiff1d(x, y) : 첫번째 배열 x로 부터 두번째 배열 y를 뺀 차집합을 반환
(4) np.setxor1d(x, y) : 두 배열 x, y의 합집합에서 교집합을 뺀 대칭차집합을 반환
데이터셋 가져오기
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
iris = np.genfromtxt(url, delimiter=',', dtype='object')
Tags:
AI개발_교육
