반응형
import numpy as np
array=np.array(range(5))
# array=[0 1 2 3 4]
#공백으로 이루어짐
array=np.array(range(5), dtype=float)
#array=[0. 1. 2. 3. 4.]
#array는 단일 데이터, 하나의 타입으로만 이루어짐
array.astype(int)
#type을 바꿀 수 있음
#dtype은 int, float, str, bool이 있음
# ndarray의 차원 관련 속성 : ndim(n+dimensial) % shape
list=[[0,1,2],[3,4,5]]
arr = np.array(list)
print(arr.ndim) # 2
print(arr.shape) # (2,3)
#shape 조절은
arr.shape = 3,2
matrix = np.array(range(1,16)) => np.arange(1,16)
matrix.shape = 3,5
# matrix의 (2,3) 인덱스의 요소
print(matrix[2,3])
# matrix의 행은 인덱스 0부터 인덱스 1까지, 열은 인덱스 1부터 인덱스 3까지
print(matrix[0:2,1:4])
# arange로 2차원 배열 만들기
x = np.arange(1,13,1) # 1 ~ 12까지 1씩 증가
x.shape = 3,4
=> 더 간단하게 하는 방법 x = np.arange(1,13,1).reshape(3,4)
# boolean indexing: 조건에 맞는 데이터를 가져와 참인지 거짓인지 알려줌
x = np.arange(7)
print(x[x<3]) # [0 1 2]
print(x[x%2==0]) # [0 2 4 6]
# Fancy indexing: 배열의 각 요소 선택을 index 배열을 전달하여 지정하는 방식
x = np.arange(1,13,1).reshape(3,4)
print(x) # [[ 1 2 3 4]
# [ 5 6 7 8]
# [ 9 10 11 12]]
print(x[0,2]) #[[ 1 2 3 4]
# [ 9 10 11 12]]
반응형
'AI & Data' 카테고리의 다른 글
Apache Flink에 대해.. (1) | 2024.01.24 |
---|---|
비지도 학습 (0) | 2021.11.07 |
Matplotlib 기초 학습 내용 (0) | 2021.10.30 |
머신러닝 기초 학습 내용 (0) | 2021.10.29 |
pandas 기초 학습 내용 (0) | 2021.10.29 |