NumPy 라 이브 러 리 입문

차원: 데이터 의 조직 형식
1 차원 데이터: 대응 목록, 배열 과 집합 등 개념 (선형 방식 조직)
목록: 데이터 형식 은 배열 에 따라 다 를 수 있 습 니 다. 데이터 형식 은 같 습 니 다.
2 차원 데이터: 여러 개의 1 차원 데이터 로 구성 되 고 1 차원 데이터 의 조합 형식 이다.
다 차원 데이터: 예 를 들 어 시간 차원
고 차원 데 이 터 는 가장 기본 적 인 이원 관 계 를 이용 하여 데이터 간 의 복잡 한 구 조 를 보 여 준다.
1 차원 데이터: 목록 과 집합 유형 2 차원 데이터: 목록 유형 다 차원 데이터: 목록 유형 고 차원 데이터: 사전 형식 이나 데이터 표시 형식 (JSON, XML, YAML 형식)
NumPy 의 배열 대상: ndarray, N 차원 배열 대상 방송 기능 함수 통합 C / C + + / Fortran 코드 도구 선형 대수, 푸 리 엽 변환, 임 의 수 생 성 등 기능
ndarray - 양 적 연산

import numpy as np

관찰: 과학적 계산 에서 한 차원 의 모든 데이터 의 유형 은 종종 같다.

배열 대상 은 같은 데이터 형식 을 사용 하여 연산 과 저장 공간 을 절약 하 는 데 도움 이 된다.

ndarray 는 다 차원 배열 대상 으로 두 부분 으로 구성 된다.

실제 데이터

이 데이터 의 메타 데이터 (데이터 차원, 데이터 형식 등)

를 묘사 합 니 다.

모든 요소 의 유형 이 같 고 배열 아래 표 시 는 0 부터

비 동 질 ndarray 대상 은 NumPy 의 장점 을 효과적으로 발휘 하지 못 하고 사용 을 최대한 피한다.
ndarray 배열 의 생 성 방법

Python 의 목록, 원본 등 형식 에서 ndarray 배열 을 만 듭 니 다

NumPy 함수 로 ndarray 배열 을 만 듭 니 다. 예 를 들 어 arange, ones, zeros 등

바이트 흐름 에서 ndarray 배열 만 들 기

파일 에서 특정 형식 을 읽 고 ndarray 배열

을 만 듭 니 다.
(1) Python 의 목록, 원본 등 형식 에서 ndarray 배열 을 만 듭 니 다.

x = np.array(list/tuple)
x = np.array(list/tuple, dtype=np.float32)

np. array () 가 dtype 을 지정 하지 않 을 때 Numpy 는 데이터 상황 에 따라 dtype 형식 을 연결 합 니 다.

np.arange(n)
np.arange(10)

np.ones(shape)
np.ones((3,6))
np.ones((3,6), dtype=np.int32)
np.ones((2,3,4), dtype=np.int32)

np.zeros(shape)


np.full(shape, val)


np.eye(n)
np.eye(5)


np.one_like(a)
np.zero_like(a)
np.full_like(a, val)

np.linspace()
np.linspace(1, 10 ,4)
np.linspace(1, 10 ,4, endpoint=False)

np.concatenate()

생 성 된 ndarray 배열 에 대해 차원 변화 와 요소 형식 변환 을 할 수 있 습 니 다.

a = np.ones(2, 3, 4), dtype = np.int32)

.reshape(shape)
.resize(shape) #     
.swapaxes(ax1, ax2)
.flatten()


a = np.ones((2, 3, 4), dtype=np.int32)
a = reshape((3, 8))
a.flatten() #  

a.astype(new_type) #     

ls = a.tolist()