Python 기반 Numpy의 기본 사용법 상세 정보

1. 데이터 생성

1.1 핸드셋

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])#1차원 그룹
b = np.array([[1,2],[3,4]])#2차원 그룹

1.2 시퀀스 배열

numpy.arange(start,stop,step,dtype),start 기본 0, step 기본 1

c = np.arange(0, 10, 1, dtype=int)  # =np.arange(10)  [0 1 2 3 4 5 6 7 8 9]
d = np.array([np.arange(1, 3), np.arange(4, 6)])  #  
#  ， reshape 
dd = c.reshape(2, 5)  #  2 5 

1.3 무작위 그룹

numpy.random.이 방법은 [0.0, 1.0) 범위의 무작위 소수를 되돌려줍니다.
numpy.random.randint () 이 방법은 [low,high) 범위의 무작위 정수를 되돌려줍니다.
이 방법은 세 개의 매개 변수low,high,size 세 개의 매개 변수가 있다.기본 high는 None입니다. low만 있으면 범위는 [0,low)입니다. high가 있으면 범위는 [low,high)입니다.
numpy.random.randn(d0, d1,..., dn) 이 방법은 한 개 또는 한 조의 견본을 되돌려주고 정적 분포를 가지고 있다
np.random.normal은 기대와 방차의 정태 분포를 지정합니다

e = np.random.random(size=2)  #  ， ，[0.0,1.0] 
f = np.random.random(size=(2, 3))  #  ，[0.0,1.0] 

h = np.random.randint(10, size=3)  # [0,10] 
i = np.random.randint(5, 10, size=(2, 3))  # [5,10] 2 3 

1.4 기타 방식 배열

numpy.zeros는 지정된 크기의 그룹을 만들고 그룹 요소를 0으로 채웁니다.
numpy.ones는 지정한 형태의 그룹을 만들고 그룹 요소를 1로 채웁니다.
numpy.empty는 지정한 모양 (shape), 데이터 형식 (dtype), 초기화되지 않은 그룹을 만듭니다. 요소의 값은 이전 메모리의 값입니다.
np.linspace는 1차원 수조를 만들고 수조는 등차 수열로 구성된다
numpy.logspace 등비수 만들기

j = np.zeros((2, 5))
k = np.ones((2, 5))
l = np.linspace(1, 20, 10)

2. 배열 속성 보기

ndarray.ndim
darray.shape 그룹의 차원과 열, 행렬에 대한 n행 m열
ndarray.size 그룹 요소의 총 개수입니다.shape n*m 값
ndarray.dtypendarray 대상의 요소 형식
ndarray.itemsize ndarray 대상의 모든 요소의 크기, 바이트 단위
ndarray.flagsndarray 대상의 메모리 정보
ndarray.real ndarray 원소의 실부
ndarray.imag ndarray 원소의 허부
ndarray.데이터는 실제 그룹 요소의 버퍼를 포함하는데, 일반적으로 그룹의 색인을 통해 요소를 얻기 때문에 이 속성을 사용할 필요가 없습니다.

print('ndim: （ ）'.center(20, '*'))
print('ndim:', i.shape[1])

3. 그룹 인덱스

x = np.arange(1,13)#1차원 그룹
a = x.reshape(4,3) # 2차원 그룹
print(‘x:', x)
print(‘a:', a)

3.1 1차원 그룹 인덱스

print(x[2:])
print(x[3:8])

3.2 2차원 그룹 인덱스

print(a[0])  #  
print(a[2, 2])  #  4 
print(a[:, 2])
print(a[::2, 0])  #  1 
print(a[(2, 1), (1, 2)])  #  3 2 ， 2 3    = np.array((a[2,1],a[1,2])) 
print(a[-2])  #  
print(a[::-1])  #  
print(a[::-1, ::-1])  #  

4. 수조의 방법

4.1 수조 차원 변경

reshape는 1차원 수조를 2차원 또는 3차원으로 바꾼다
ravel은 3차원 그룹을 1차원 그룹으로 하고,flatten은 2차원 그룹을 1차원 그룹으로 만든다

4.2 배열 결합

numpy를 사용합니다.hstack(a1,a2) 함수는 두 개의 수조를 수평으로 조합한다
numpy.vstack(a1, a2) 함수는 두 개 이상의 수조를 수직으로 조합하여 하나의 수조를 형성할 수 있다
numpy를 사용합니다.concatenate((a1, a2,...),axis), axis 매개 변수의 값을 제어하면 hstack과 vstack의 기능을 실현할 수 있다.axis=0은 vstack,axis=1과 hstack과 같다

4.3 배열 구분

b = np.split(x, 4)  #  ,  b[1] 
# print(b[1])
c = np.split(a, 2, axis=0)  #  ， 
# print(c[0])
d = np.split(a, [2], axis=1)  #  ， 
# print(d[0])

4.4 산술 연산

가감승제:add(),subtract(),multiply()와divide()
np.sum () 구화
np.prod () 모든 요소 곱하기
np.평균값
np.std () 표준 차이
np.var () 방차
np.median () 중수
np.power ()멱 연산
np.sqrt () 개방형
np.min () 최소값
np.max () 최대값
np.argmin () 최소값의 아래 첨자
np.argmax () 최대치의 아래 첨자
np.무한대
np.exp(10) e를 밑바닥으로 하는 지수
np.log(10)대수
이 Python 기반의 Numpy에 대한 기본적인 용법에 대한 상세한 설명은 여기까지입니다. 더 많은 Python Numpy 용법 내용은 저희 이전의 글을 검색하거나 아래의 관련 글을 계속 훑어보시기 바랍니다. 앞으로 많은 응원 부탁드립니다!