|
|
- Numpy
- Numerical Python
- import numpy as np
- 다차원배열(n(multi)-dimensional array)
- http://rfriend.tistory.com/283?category=675917
- 빠른 처리속도
- np.array() -> ndarray(multi-dimensional array)
- np.asarray()
- np.asfarray()
- np.asarray_chkfinite()
- np.zeros()
- np.ones()
- np.empty()
- np.zeros_like()
- np.ones_like()
- np.empty_like()
- np.arrange()
- np.identity()
- np.eye()
- NumPy의 array() 로 ndarray 를
- import numpy as np
- arr1=np.array([1, 2, 3, 4, 5]) # making a array
- list 객체를 먼저 만들고 np.array() 를 사용해서 배열로 변환해도 됩니다.
- data_list = [6, 7, 8, 9, 10] # making a list
- arr2 = np.array(data_list) # converting a list into an array
- 같은 길이의 여러개의 리스트(lists)를 가지고 있는 리스트(a list)도 np.array()를 사용해서 배열(array)로 변환할 수 있습니다.
- data_lists = [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]] # a list of equal-length lists
- arr12 = np.array(data_lists) #converting a list of equal-length lists into a multi-dimensional array
- arr12
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10]])
- ndarray obj.shape 함수 : ndarray의 차원 원소 수 점검
- arr12.shape # (2,5) a tuple indicating the size of each dimension
- arr12.shape[0] # 2
- arr12.shape[1] # 5
- arr12.dtype # dtype('int32')
- list,ndarray 변환
- plst=[1,2] # python list
- narr=np.asarray(plst) #converting : python list => numpy.ndarray
- narr_1=np.asarray(nlst) # narr is narr_1 => true 복사하지 않는다., 동일한 데이형
- narr_2=np.array(nlst) # narr is narr_1 => False 복사한다. 동일해도 복사
- np.asarray(narr, dtype=np.int32) is narr #True Not copyed(Shllow copyed)
# narr은 int32형이다.
- np.asarray(narr, dtype=np.int64) is narr #False copyed(Deep copyed) 다른형
- narr_f=np.asfrray(narr) # == np.asarray(narr, dtype=np.float64)
- np.asarray_chkfinite(plst, dtype=float)
[1., 3.] #원소에 결함원소를 점검 없으면 정상변환
- np.asarray_chkfinite([1,2,np.nan], dtype=float) #있으면 오류메세지
ValueError: array must not contain infs or NaNs
- np.asarray_chkfinite([1,2,np.inf], dtype=float) #무한값이 있으면 오류메세지
ValueError: array must not contain infs or NaNs
- np.zeros(), np.ones(), np.empty() 함수는 괄호 안에 쓴 숫자 개수만큼의 '0', '1', '비어있는 배열', np.zeros((2, 5)), np.ones((5, 3)), np.empty((4, 3)) 처럼 괄호 안에 tuple을 넣어주면 다차원 배열
- np.zeros(5) #array([ 0., 0., 0., 0., 0.])
- np.ones(5) #array([ 1., 1., 1., 1., 1.])
- np.empty(5) #array([ 0., 0., 0., 0., 0.]) empty values
- np.zeros((2, 5))
array([[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.]])
- np.arange() 는 Python의 range() 함수처럼 0부터 괄호안의 숫자 만큼의 정수 배열 값을 '배열'로
- f = np.arange(10) #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) cf. python rnage
- np.zeros_like(), np.ones_like(), np.empty_like() 함수는 이미 있는 array와 동일한 모양과 데이터 형태를 유지
- f25=f.reshape(2,5))
ararray([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
- np.zeros_like(f_2_5)
array([[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0]])
- np.ones_like(f_2_5)
array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]])
- np.empty_like(f_2_5)
array([[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0]])
- 항등행렬(identity matrix), 단위행렬(unit matrix) http://rfriend.tistory.com/141
- np.identity(3)
array([[ 1., 0., 0.,],
[ 0., 1., 0.,],
[ 0., 0., 1.,]])
- np.eye(3)
array([[ 1., 0., 0.,],
[ 0., 1., 0.,],
[ 0., 0., 1.,]])
- data type변환
- Numpy Data Type http://rfriend.tistory.com/285
- Data Type
- Boolean, Integer, Unsigned Integer, Float, Complex, String
- Operations
- Assigning Data Type
- np.array[xx,xx], dtype=np.Type)
- np.array([xx, xx], dtype=np.'Type Code')
- Checking Data Type
- Converting Data Type
- Examples of a array [1.4, 2.6, 3.0 with data type pf float64:np.float64()
- import numpy as np
- # np.array[xx,xx], np.array[xx,xx],np.float64), # np.array[xx,xx],np.'type code')
- x_float64 = np.array([1.4, 2.6, 3.0]
- x_float64_1 = np.array([1.4, 2.6, 3.0, 4.9, 5.32], dtype=np.float64)
- x_float64_2 = np.array([1.4, 2.6, 3.0, 4.9, 5.32], dtype=np.'f8'
- x_float64.dtype # Checking type
dtype('float64')
- x_float64 # checking coentent
array([ 1.4 , 2.6 , 3. ])
- x_int64=x_float64.astype(np.int64) # Convert flaot64 to int645 the decimal parts are truncated
- x_int64_2 = np.int64(x_float64)
- x_int64.dtype
dtype('int64')
- x_int64_2
array([1, 2, 3], dtype=int64)
- ......http://rfriend.tistory.com/285
|
|