데이터 분석 & 시각화/Numpy 검색 결과

해당 글 3건
Numpy 연산과 Broadcasting

Universal functions (ufunc) — NumPy v1.15 Manual Universal functions (ufunc) A universal function (or ufunc for short) is a function that operates on ndarrays in an element-by-element fashion, supporting array broadcasting, type casting, and several other standard features. That is, a ufunc is a “vecto numpy.org Numpy에는 Universal function 기능을 제공한다. Numpy의 특별한 구조인 ndarray의 각 요소별로 연산하는 함수로 Braodca..
데이터 분석 & 시각화/Numpy 2021. 2. 16. 23:26
Numpy 인덱싱과 슬라이싱

1차원 ndarray Numpy의 기본 자료형 ndarray의 기본적인 인덱싱과 슬라이싱은 List 객체와 동일하다. x1 = np.array([ 1, 3, 5, 7, 9]) x1[0] # 1 x1[3] # 7 x1[-1] # 9 x1[-2] # 7 x1[1:3] # [3, 5] 2차원 ndarray 2차원 리스트 배열에서의 indexing은 x[i][j] 형태로 가능한 것처럼, 2차원 ndarray 배열에서의 indexing은 x[i, j] 형태로 가능하다. 이때 i는 행, j는 열을 의미한다. 먼저 np.random.random로 (10, 5) 크기의 ndarray를 생성한다. x2 = np.random.random(size = (10, 5)) x2 기본적으로 ndarray 객체를 인덱싱을 할 경우,..
데이터 분석 & 시각화/Numpy 2021. 1. 12. 02:38
Numpy의 데이터 구조 & ndarray 배열 만들기

Numpy Numpy는 파이썬으로 데이터를 분석할 때 가장 많이 사용하는 모듈 중 하나이다. Numpy의 자료형은 ndarray로 효율적인 배열 연산을 하기 위해 개발되었다. 리스트와 ndarray는 유연성과 효율성 측면에서 비교할 수 있다. 파이썬 리스트의 경우, 서로 다른 자료형을 담을 수 있어 유연성이 높은 반면 각 요소의 정보를 따로 담아야 하기 때문에 반복문 사용이 필수적이라 효율성이 떨어진다. ndarray의 경우 같은 자료형만을 이용해 구성할 수 있어 유연성은 떨어지지만 모든 요소 정보를 한 번에 저장하고 C로 구현된 내부 반복문을 사용하기 때문에 속도가 매우 빠르다. 배열 만들기 : np.array() 리스트를 활용해 배열을 만들 수 있다. 이 외에, array() 함수의 인자로 리스트, ..
데이터 분석 & 시각화/Numpy 2021. 1. 8. 22:55