[실습] 01. numpy

numpy 선언

 

In [6]:

import numpy as np

 

In [7]:

x = np.array([1.0, 2.0, 3.0])
x

 

Out[7]:

array([1., 2., 3.])

 

 

산술연산

두개의 배열, 각 원소별 계산

 

In [9]:

x = np.array([1.0, 2.0, 3.0])
y = np.array([2.0, 4.0, 6.0])

 

Out[9]:

array([0.5, 0.5, 0.5])

 

In [10]:

x+y

 

Out[10]:

array([3., 6., 9.])

 

In [11]:

x-y

 

Out[11]:

array([-1., -2., -3.])

 

In [12]:

x*y

 

Out[12]:

array([ 2.,  8., 18.])

 

In [13]:

x/y

 

Out[13]:

array([0.5, 0.5, 0.5])

 

 

브로드캐스트 연산 - 한개의 배열, 스칼라값 (수치하나)

 

In [14]:

x = np.array([1.0, 2.0, 3.0])
x

 

Out[14]:

array([1., 2., 3.])

 

 

N 차원배열

 

In [15]:

A = np.array([[1, 2], [3, 4]])
A

 

Out[15]:

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

 

In [16]:

A.shape

 

Out[16]:

(2, 2)

 

In [17]:

A.dtype

 

Out[17]:

dtype('int64')

 

 

원소별 연산

 

In [19]:

B = np.array([[3, 0], [0, 6]])

 

In [20]:

A+B

 

Out[20]:

array([[ 4,  2],
       [ 3, 10]])

 

In [21]:

A*B

 

Out[21]:

array([[ 3,  0],
       [ 0, 24]])

 

 

브로드캐스트 연산

 

In [22]:

A * 10

 

Out[22]:

array([[10, 20],
       [30, 40]])

 

 

! 1차원 배열은 벡터, 2차원은 행렬, 벡터와 행렬을 일반화한것을 텐서라고 합니다. 3차원 이상은 다차원행렬

브로드캐스트 연산 (다른 배열끼리 계산하기)

 

In [23]:

A = np.array([[1, 2], [3, 4]])
B = np.array([10, 20])

 

In [24]:

A*B

 

Out[24]:

array([[10, 40],
       [30, 80]])

 

 

원소접근

 

In [26]:

X = np.array([[51,55],[14,19],[0,4]])
X

 

Out[26]:

array([[51, 55],
       [14, 19],
       [ 0,  4]])

 

In [27]:

X[0] # 0행

 

Out[27]:

array([51, 55])

 

In [28]:

X[0][1] # 0행 1열

 

Out[28]:

55

 

In [30]:

for row in X :
    print(row)

 

Out[31]:

[51 55]
[14 19]
[0 4]

 

In [32]:

X = X.flatten()
X

 

Out[32]:

array([51, 55, 14, 19,  0,  4])

 

In [34]:

X>15

 

Out[34]:

array([ True,  True, False,  True, False, False])

 

In [36]:

X[X>15]

 

Out[36]:

array([51, 55, 19])