Chapter2 파이썬 기초

import numpy as np
x = np.array([1, 2, 3])
y = np.array([4, 5, 6])
print(x + y)

결과: [5 7 9]

연속된 정수 벡터의 생성

print(np.arange(10))
print(list(range(10)))

결과:

[0 1 2 3 4 5 6 7 8 9]

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

np형식으로 출력하면 요소간 ','가 사라진다. + print()로 출력할 시 숫자만 출력된다

arange(n1, n2)를 사용할 시 n1부터 n2-1까지의 배열이 생성된다.

print(np.arange(5,10))

결과: [5 6 7 8 9]

ndarray형의 주의점

b = a.copy()를 사용 해야한다.

a = np.array([1,1])
b = a
print('a=' + str(a))
print('b=' + str(b))
b[0] = 100
print('b=' + str(b))
print('a=' + str(a))

결과:

a=[1 1]

b=[1 1]

b=[100 1]

a=[100 1]

b의 내용을 바꾸었지만 그 변경사항이 a에도 적용이 된다.

a.copy()를 사용해주면 

a=[1 1]
b=[1 1]
b=[100   1]
a=[1 1]

와 같이 결과값이 나온다.

ndarray의 2차원 배열로 행렬 정의

x = np.array([[1, 2, 3], [4, 5, 6]])
print(x)

결과:

[[1 2 3]
 [4 5 6]]

ndarray변수명.shape로 행렬의 크기 출력

x = np.array([[1, 2, 3], [4, 5, 6]])
print(x.shape)

결과: (2, 3) // 2행 3열

(2, 3)은 type이 tuple형으로 인덱싱할 수 있다.  # print(type(x.shape))

a = x.shape[0]
b = x.shape[1]

결과: (2, 3)

다음과 같은 코드를 실행하면 값은 무엇일까요?

x = np.array([[1, 2, 3], [4, 5, 6]])
x[1, 2]

[1, 2, 3]

[4, 5, 6]

A. 6  # index는 항상 0부터 시작합니다.

요소가 0 또는 1인 ndarray 생성, np.(zeros, ones)(size)

print(np.zeros(10))

결과: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

print(np.zeros((2, 10)))

결과: 

[

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

[0.0.0.0.0.0.0.0.0.0.]
]

모든요소가 1인 요소를 생성하려면 np.ones(size)를 사용하면 됩니다.

print(np.ones(10))

결과: [1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]

요소가 랜덤인 행렬 생성, np.random.rand(size)

np.random.rand(2, 3)

결과: array([[0.53071759, 0.8367728 , 0.05104617],

       [0.61395309, 0.12591664, 0.14067503]])

평균0 분산 1의 가우스 분포로 난수를 생성할 수 있다.

np.random.randn(2, 3)

행렬의 크기 변경, 변수명.reshape(n, m)

a = np.arange(10)
print(a)
a.reshape(2, 5)

결과: [0 1 2 3 4 5 6 7 8 9]

array([[0, 1, 2, 3, 4],

   [5, 6, 7, 8, 9]])

5개씩 2등분 되었다.

행렬의 사칙 연산

x = np.array([[4, 4, 4], [8, 8, 8]])
y = np.array([[1, 1, 1], [2, 2, 2]])
print(x + y)

결과: [[ 5 5 5]

 [10 10 10]]

스칼라 x 행렬

스칼라를 행렬에 곱하면 모든 요소에 적용된다.

x = np.array([[4, 4, 4], [8, 8, 8]])
print(10 * x)

결과: [[40 40 40]

 [80 80 80]]

numpy에 존재하는 다양한 수학 함수

np.sqrt(x) - 제곱근

np.log(x) - 로그

np.round(x, 유효자릿수) - 반올림

np.mean(x) - 하나의 값을 반환

np.st-d(x) - 표준편차

np.max(x) - 최댓값

np.min(x) - 최솟값

등의 함수가 존재한다.

행렬 곱의 계산

v = np.array([[1, 2, 3], [4, 5, 6]])
w = np.array([[1, 1], [2, 2], [3, 3]])
print(v.dot(w))

결과: [[14 14]

 [32 32]]  # 계산법을 모르겠네 

슬라이싱

흔히 list에서 사용하는 [n:m]을 사용한다.

x = np.arange(10)
print(x)
print(x[:5])

[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4] 와 같은 결과가 나온다.

인수와 반환값

def my_func2(D):
    m = np.mean(D)
    s= np.std(D)
    return m, s

np.mean(D) = D의 평균

np.std(D) = D의 표준편차

여러 반환값을 받기 위해 

data_mean, data_std = my_func2(data)와 같이 ','로 구분해 기술한다.ㅡ

data = np.random.randn(100)  # 가우스분포로 랜덤난수를 생성한다.
data_mean, data_std = my_func2(data)  # 여러 반환값을 받기 위해 구분
print('mean:{0:3.2f}, std:{1:3.2f}'. format(data_mean, data_std))  # 출력

결과값은 실행할 때 마다 다르게 나온다.

mean:0.18, std:0.91

mean:-0.05, std:1.13

mean:-0.01, std:0.92

파일저장(p72)