728x90
[Numpy : 배열이나 행렬계산에 필요한 함수 제공]
- ndarray : Numpy의 데이터 타입중 하나로, 리스트와 비슷한 형식의 구조적인 데이터
- 이중 구조의 배열이나 행렬(Matrix)처럼 사용이 가능하며, 수학 과학연산을 모두 지원
- Numpy 라이브러리 호출
import numpy as np
data = [6,5,7,3,4,2]
arr= np.array(data)
arr.mean()
#4.5
- 리스트와 배열의 데이터 타입
print(type(data))
print(type(arr))
#print(type(data))
#print(type(arr))
- Numpy array 내부 데이터 타입
arr1 = np.array([1,2,3,4,5])
arr1.dtype
#dtype('int32')
arr2 = np.array([1.1,2.3,3.4,4.5,5.8])
arr2.dtype
#dtype('float64')
- 3X3 행렬의 구현
data = [
[1,2,3],
[4,5,6],
[7,8,9]
]
matrix = np.array(data)
print(type(matrix))
matrix
#<class 'numpy.ndarray'>
#array([[1, 2, 3],
# [4, 5, 6],
# [7, 8, 9]])
- 행렬의 제곱 연산
matrix**2
#array([[ 1, 4, 9],
# [16, 25, 36],
# [49, 64, 81]], dtype=int32)
- 행렬의 형태를 나타내는 함수
arr_b = np.array([[1,2,],[2,3]])
arr_b.shape
#(2, 2)
- arange 함수를 이용한 데이터 자동 생성(random.randn : 평균이 0이고 표준편차가 1)
arr3 = np.arange(1,10,2)
arr3
#array([1, 3, 5, 7, 9])
arr4 = np.random.randn(10)
arr4
#array([ 2.05908442, 0.5615775 , 1.32497475, 2.62883141, 1.44151939,
# -0.62765441, 0.87624048, 0.01962865, 2.73751236, -0.056804 ])
- 2차원 array에서 indexing
arr_1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
arr_1
#array([[1, 2, 3],
# [4, 5, 6],
# [7, 8, 9]])
arr_1[0,0]
#1
arr_1[2,1]
#8
- 행 또는 열 형태로 출력
arr_1[0:2,:]
#array([[1, 2, 3],
# [4, 5, 6]])
arr_1[:,0:2]
#array([[1, 2],
# [4, 5],
# [7, 8]])
728x90
'python 기초 > [Library]' 카테고리의 다른 글
Pandas [DataFrame] (0) | 2023.06.27 |
---|---|
Pandas [Series] (0) | 2023.06.27 |