반응형
Numpy 배열 기본연산
- 리스트와는 다르게 연산이 각 요소에 대해 진행된다.
a = np.array([1, 2, 3])
print(a*3)
print(a+a)
print(np.repeat(a, 3))
=결과=
[3 6 9]
[2 4 6]
[1 1 1 2 2 2 3 3 3]
Numpy 배열끼리의 연산
- Numpy 배열끼리의 연산도 각 요소에 대해 하나씩 이루어진다.
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a+b)
print(a-b)
print(a*b)
print(1.0*a/b)
=결과=
[5 7 9]
[-3 -3 -3]
[ 4 10 18]
[0.25 0.4 0.5 ]
연산의 벡터화
- 그 외의 특수연산도 마찬가지로 각 요소에 대하여 하나씩 처리된다.
x = np.array([0, 1, 2, 3, 4, 5])
print(pow(10, x))
print(x**3)
print(np.sqrt(x))
print(np.exp(x))
print(np.cumsum(x))
=결과=
[ 10 100 1000 10000 100000 1000000
10000000 100000000 1000000000 1410065408]
[ 1 8 27 64 125 216 343 512 729 1000]
[1. 1.41421356 1.73205081 2. 2.23606798 2.44948974
2.64575131 2.82842712 3. 3.16227766]
[2.71828183e+00 7.38905610e+00 2.00855369e+01 5.45981500e+01
1.48413159e+02 4.03428793e+02 1.09663316e+03 2.98095799e+03
8.10308393e+03 2.20264658e+04]
[ 1 3 6 10 15 21 28 36 45 55]
- 이 외에도 unique, median, sum, round, var, std, max, min, argmax, argmin 등 다양한 함수가 제공된다.
- 이 중 median과 unique 반드시 np에서 불러와서 사용해야 한다. (x.unique() 불가능, 이 외의 함수는 대부분 가능)
반응형
'🛠 기타 > Data & AI' 카테고리의 다른 글
[파이썬] Pandas 기초 - Series (0) | 2020.07.09 |
---|---|
[파이썬] Matplotlib 패키지 (0) | 2020.07.09 |
[파이썬] Numpy 배열의 확장 및 삭제 (1) | 2020.07.09 |
[파이썬] Numpy 배열의 참조 (reshape를 통해 생성한 배열과 값을 공유하는 이유?) (0) | 2020.07.09 |
[파이썬] Numpy Fancy Indexing (0) | 2020.07.09 |