[Python] - Numpy 기초정리 2

 

 

 

 

Numpy Basic 2¶

zeros & ones

In [83]:

import numpy as np

 

• zeros % ones

In [84]:

zeros = np.zeros([3,3])
zeros

Out[84]:

array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

In [85]:

ones = np.ones([10])
ones

Out[85]:

array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

In [86]:

ones2 = np.ones([10,5])
ones2

Out[86]:

array([[1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])

 

• array 연산

In [87]:

ones2*5

Out[87]:

array([[5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.]])

 

• arange (start, stop, step) : 시작값부터 end값까지 step 단위로 숫자를 생성하여 array 형태로 반환

In [88]:

arr = np.arange(5) # start의 디폴트:0, step 의 디폴트 :1
print(arr)
arr2 = np.arange(0,5,2)
print(arr2)

 

[0 1 2 3 4]
[0 2 4]

In [89]:

nums = [1,2,3,4,[1,2,3]]
type(arr)

Out[89]:

numpy.ndarray

 

• Ravel : array의 차원을 1차원으로 바꿔줌, reshape(-1)과 동일한기능

In [90]:

r_ones = ones.ravel()
print(r_ones.shape)
r_ones

 

(10,)

Out[90]:

array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

 

• np.expand_dims()
• array안의 값은 유지하되 차원의 수를 늘리고 싶을 때 사용

In [91]:

print('---------ones------------')
print(ones, ones.shape)
ones2 = np.expand_dims(ones, axis=0)
print(ones2, ones2.shape)

ones3 = np.expand_dims(ones, axis=1)
print(ones3, ones3.shape)

 

---------ones------------
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.] (10,)
[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]] (1, 10)
[[1.]
 [1.]
 [1.]
 [1.]
 [1.]
 [1.]
 [1.]
 [1.]
 [1.]
 [1.]] (10, 1)

In [92]:

arr = np.array([[1,2,3],[1,2,3]])
print(arr, arr.shape)
print('\n------arr2------\n')
arr2 = np.expand_dims(arr, axis=0)
print(arr2, arr2.shape)

print('\n------arr3------\n')
arr3 = np.expand_dims(arr, axis=1)
print(arr3, arr3.shape)

print('\n------arr4------\n')
arr4 = np.expand_dims(arr, axis=2)
print(arr4, arr4.shape)

 

[[1 2 3]
 [1 2 3]] (2, 3)

------arr2------

[[[1 2 3]
  [1 2 3]]] (1, 2, 3)

------arr3------

[[[1 2 3]]

 [[1 2 3]]] (2, 1, 3)

------arr4------

[[[1]
  [2]
  [3]]

 [[1]
  [2]
  [3]]] (2, 3, 1)

 

numpy 배열과 python 리스트의 차이¶

 

• numpy 배열과 python 리스트는 유사하게색인과 슬라이싱을 동작시킬 수 있다.
• 다만 numpy 배열은 Broadcasting 개념이 적용되어 for문을 사용하지 않아도 되는 편리함을 얻을 수 있다.

In [93]:

#numpy배열
arr = np.arange(10)
print(arr)
print(arr[5:8])
print('---------------------------------')
#list
li = list(range(10))
print(li)
print(li[5:8])

 

[0 1 2 3 4 5 6 7 8 9]
[5 6 7]
---------------------------------
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[5, 6, 7]

In [94]:

#broadcasting :값이 한번에 다중 할당됨
arr[5:8] = 100
print(arr)

 

[  0   1   2   3   4 100 100 100   8   9]

In [95]:

#list : 값이 한번에 다중할당 되지 않음
li[5:8] =100 # error
print(li)

 

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-95-9bf68e38f7b2> in <module>
      1 #list : 값이 한번에 다중할당 되지 않음
----> 2 li[5:8] =100 # error
      3 print(li)

TypeError: can only assign an iterable