파이톤을 이용하여 데이터 분석 - 제4장 numpy 기초: 수조와 벡터 계산
1. 다차원 그룹 대상 만들기
함수.
설명
array
매개 변수 데이터 (목록, 원조, 그룹 등 서열 형식) 를ndarray로 변환하여 dtype을 지정할 수 있습니다
arange
range와 유사하지만, 목록이 아닌ndarray로 되돌아옵니다
ones
지정한 모양과 dtype에 따라 전체 1 그룹을 만듭니다
ones_like
다른 그룹을 매개 변수로 하고, 그 모양과 dtype에 따라 전체 1그룹을 만듭니다
zeors,zeros_like
전체 0 배열
empty,empty_like
메모리 공간만 분배하고 값을 채우지 않는 새 그룹을 만듭니다
eye,identity
정사각형의 N*N 단위 행렬을 생성합니다(대각선은 1이고 나머지는 0).
astype(type)
배열을 type으로 변환하는 배열
In: import numpy as np
#array
In: np.array([[1,2,3],[4,5,6]])
Out:
array([[1,2,3],
[4,5,6]])
In: np.array([1,2,3],dtype=np.int32)
Out: array([1,2,3])
#arange
In: np.arange(3)
Out: array([0,1,2])
#ones
In: np.ones((2,3))
Out:
array([[1,1,1],
[1,1,1]])
2. 수조와 표량 간의 연산
3. 기본 인덱스와 슬라이스
In: arr = arange(10)
In: arr
Out: array([0,1,2,3,4,5,6,7,8,9])
In: arr[5]
Out: 5
In: arr[5:8]
Out: array([5,6,7])
# , ( )
In: arr[5:8] = 12
In: arr
Out: array([0,1,2,3,4,12,12,12,8,9])
In: arr2d = np.array([[1,2,3],[4,5,6],[7,8,9]])
In: arr2d[2,2]
Out: 9
In: arr2d[2]
Out: array([7,8,9])
In: arr1 = arr[5:8]
In: arr1
Out: array([0,1,2,3,4,12,12,12,8,9])
In: arr1[1] = 12345
In: arr
Out: array([0,1,2,3,4,12,12345,12,8,9])
arr2 = arr[5:8].copy()
In: arr2d = np.array([[1,2,3],[4,5,6],[7,8,9]])
#
In: arr2d[:2]
Out:
array([[1,2,3],
[4,5,6]])
#
In: arr2d[1:2,1:]
Out:
array([[5,6]])
# ,
In: arr2d[1,:2]
Out:
arrary([4,5])
# ,
In: arr2d[:,:1]
Out:
array([[1],
[4],
[7]])
#
In: arr2d[:2,1:] = 0
In: arr2d
Out:
array([[1,0,0],
[4,0,0],
[7,8,9]])
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
다양한 언어의 JSONJSON은 Javascript 표기법을 사용하여 데이터 구조를 레이아웃하는 데이터 형식입니다. 그러나 Javascript가 코드에서 이러한 구조를 나타낼 수 있는 유일한 언어는 아닙니다. 저는 일반적으로 '객체'{}...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.