numpy 라이브러리
사용법
import numpy as np
4*3 행렬 생성
A = np.matrix("[1,3,5;5,4,1;3,8,6;2,5,7]")
A = np.matrix('1 3 5; 5 4 1; 3 8 6; 2 5 7')
B = np.mat('1 3 5; 5 4 1; 3 8 6; 2 5 7')
2*2 배열 생성
A = np.array([[0, 1], # 1st row
[2, 3]]) # 2nd row
배열을 행렬로 형변환 (np에서 행렬은 배열의 특수한 형태)
A'=np.matrix(A)
# in summary, matrix is 2-dimensional. "array" can be N-dimensional
# in fact, matrix is a special case of "array" in numpy implementation
행렬을 배열로 형변환
A'=np.array(A)
A'=np.asarray(A)
A행렬의 transpose
np.transpose(A)
A.T
3*3 Identity 행렬 생성
np.eye(3)
행렬 I의 inverse 행렬 생성
np.linalg.inv(I)
행렬 C의 determinant 값 생성
np.linalg.det(C)
행렬 C의 diagonals 구하기
np.diag(C)
두 행렬이 같은지 비교 : 각 항목이 같은지 알 수 있음
np.equal(A, B)
두 행렬이 같은지 비교 : 전체가 배열로서 같은지 알 수 있음
np.array_equal(A, B)
Z행렬에서 각 row의 mean값 구하기 (출력은 array형)
np.mean(Z, axis=0)
Z행렬에서 각 column의 mean값 구하기
np.mean(Z, axis=1)
Z행렬에서 각 row, column의 std값 구하기
np.std(Z, axis=0)
np.std(Z, axis=1)
X의 covariance matrix 구하기
-각 column이 random variable,
-Bessel correction ( divided by (n-1) ) is false
np.cov(X, rowvar=False, bias=True)
-Bessel correction ( divided by (n-1) ) is true
np.cov(X, rowvar=False, bias=false)
LinearRegression(X,y)를 수행하고자 할때
X가 single feature을 가진다면 reshape(-1,1)을 하라고 되어있다.
이 때 배열로 변환하고 reshape을 해줘야한다.
X2 = np.asarray(X).reshape(-1,1)
matrix A의 eigenvalue와 eigenvector 구하기
eigval, eigvecs = np.linalg.eig(A)
배열에서 값이 작은 순서대로 index값 정렬하기
np.argsort(eigval)
배열에서 값이 큰 순서대로 index값 정렬하기
np.flip(np.argsort(eigval))
16개의 1차원 데이터를 4*4의 2차원 데이터로 바꾸기
a=np.arange(16)
a.reshape(4,4)
바로 앞에 처리된 배열의 모든 원소의 합
np.sum(_)
Author And Source
이 문제에 관하여(numpy 라이브러리), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://velog.io/@myusug10/numpy-라이브러리저자 귀속: 원작자 정보가 원작자 URL에 포함되어 있으며 저작권은 원작자 소유입니다.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)