영국 척척석사 유학생 일기장👩🏻‍🎓

이전 글에서 NumPy의 슬라이싱을 이용하여 요소들을 선택하는 방법을 알아보았습니다. 선택하려는 요소의 정확한 인덱스를 알고 있을 때는 그 방법이 유용하지만, 선택하려는 요소의 인덱스를 모르는 경우도 있습니다. 이번 글에서는 이러한 경우 유용한 부울 값 인덱싱에 대해 알아보겠습니다. 🔻(참고)슬라이싱🔻 (파이썬) NumPy 슬라이싱 및 복사, 대각 요소 추출, 고유한 값 리턴하기이전 글에서  NumPy 의 개별 요소에 액세스하는 방법을 알아보았습니다. 이번 글에서는 ndarray의 일부분에 액세스하는 방법인 슬라이싱에 대해 알아보겠습니다. 🔻(참고)넘파이 인덱싱🔻 (파이life-of-nomad.tistory.com 1. 부울 값 인덱싱X = np.arange(25).reshape(5, 5)prin..

이전 글에서  NumPy 의 개별 요소에 액세스하는 방법을 알아보았습니다. 이번 글에서는 ndarray의 일부분에 액세스하는 방법인 슬라이싱에 대해 알아보겠습니다. 🔻(참고)넘파이 인덱싱🔻 (파이썬) NumPy, ndarray의 요소에 액세스하고 요소 삭제/삽입하기지난 글에서 NumPy 에서 유용한 내장 함수를 이용해 다양한 ndarray를 만드는 방법에 대해 알아보았습니다. ndarray는 변경가능(mutable) 합니다. 즉, ndarray를 만든 후에 안에 있는 요소들을 변경할 수 있life-of-nomad.tistory.com1. ndarray 슬라이싱ndarray의 일부분에 액세스하는 방법을 슬라이싱이라고 합니다.대괄호[] 안에서 콜론 (:) 기호를 사용하여 인덱스들을 조합하여 슬라이싱을 할..

지난 글에서 NumPy 에서 유용한 내장 함수를 이용해 다양한 ndarray를 만드는 방법에 대해 알아보았습니다. ndarray는 변경가능(mutable) 합니다. 즉, ndarray를 만든 후에 안에 있는 요소들을 변경할 수 있습니다. 또한, 슬라이싱(slicing)도 할 수 있습니다. 머신러닝에서 데이터를 훈련 세트와 교차검증 세트, 테스트 세트로 분할하는 등 슬라이싱을 사용하여 데이터를 분할하는데 유용합니다.이번 글에서는 인덱싱을 이용하여 ndarray의 요소들에 액세스하거나 요소들을 변경하는 방법에 대해 알아보겠습니다. 🔻(참고)NumPy 함수🔻 (파이썬) NumPy 넘파이 내장 함수 총정리NumPy 내장 함수를 이용하면 ndarray를 만드는 시간이 절약됩니다. 내장 함수를 이용하면 단 한줄..

NumPy 내장 함수를 이용하면 ndarray를 만드는 시간이 절약됩니다. 내장 함수를 이용하면 단 한줄의 코드로 특정한 종류의 ndarray를 만들 수 있습니다. 이번 글에서는 가장 유용한 ndarray 생성용 내장 함수에 대해 알아보겠습니다. 1. np.zeros()np.zeros(shape) : 지정된 shape(행, 열) 으로 된 0으로만 채워진 ndarray를 만드는 함수 np.zeros() 함수는 기본적으로 dtype float64인 배열을 만듭니다. 원한다면 dtype 키워드를 써서 데이터 유형을 변경할 수도 있습니다.X = np.zeros((3,4))print('X = \n', X)print('X has dimensions:', X.shape)print('X is an object of t..

1. 전치행렬 먼저, 행렬 A를 정의해 줍니다. A를 구해보면 아래와 같습니다. A의 전치행렬(transpose)를 구해보겠습니다. 더 간단한 방법은 .T를 쓰는 것입니다. 2. 단위행렬 단위행렬은 identity로 나타냅니다. 괄호 안에는 몇행몇열을 만들고 싶은지 쓰면 됩니다. 단위행렬의 특징은 어떠한 행렬과 곱하더라도 자기자신이 나온다는 것입니다. 3. 역행렬 역행렬은 Inverse로 나타냅니다. inv앞에 p를 붙이면 역행렬이 없더라도 가장 비슷한 값을 찾아줍니다. 이렇게 찾은 행렬이 실제 역행렬이 맞는지 확인하려면 역행렬의 성질을 이용해서 두 행렬을 곱했을 때 단위행렬이 나오면 됩니다. 확인해보니 100% 값이 맞아떨어지지는 않습니다.

1. numpy로 행렬 연산하기 먼저, numpy를 불러옵니다. 행렬 A는 직접 정해주고, 행렬 B는 랜덤한 수를 불러옵시다. 위와 같이 해주면 나오는 행렬은 아래와 같습니다. 두 행렬을 더해봅시다. A행렬의 스칼라곱을 구해봅시다. 두 행렬의 곱을 나타내는 방법은 두가지가 있습니다. 위와 같이 나타낼 수도 있고, 아래와 같이 @ 표시로 나타낼 수도 있습니다. 여러 연산을 섞으면 실수의 연산법칙과 마찬가지로, 괄호 안에 있는 것이 먼저 계산되고, 곱하기가 먼저 계산됩니다.

1. 요소별 곱하기 행렬을 곱하는 방법은 외적곱과 내적곱 두가지가 있습니다. 하지만 머신 러닝에서 내적곱과 함께 유용하게 쓰이는 곱셈 연산이 하나 더 있스빈다. 요소별 곱하기 (Element-wise Multiplication)이라고 하는 연산입니다. 행렬 덧셈 연산과 거의 똑같은 성질을 가집니다. 위의 두 행렬의 요소별 곱하기를 해봅시다. 표기는 동그라미를 써서 나타냅니다. 요소별 곱하기는 이름 그대로 같은 행과 열에 있는 요소들끼리 곱해서 새로운 행렬을 만드는 연산입니다. 실제로 계산을 하면 아래와 같습니다. 물론 같은 차원을 갖는 행렬 사이에만 연산이 가능합니다. 2. numpy로 요소별 곱하기 하기 두 행렬 사이에 * 연산자를 쓰면 요소별 곱하기가 됩니다. 결과를 확인하면 아래와 같습니다.

1. numpy로 행렬 사용하기 먼저, numpy를 불러옵니다. array(행렬)을 이용하여 리스트를 불러줍니다. 행렬을 만들고 싶으면 2차원 배열을 만들어 줍니다. 2차원 배열이라는 것은 리스트 안에 리스트가 있다는 뜻입니다. 4x3 행렬을 만들어 보겠습니다. 위와 같이 입력하면 아래와 같은 행렬이 만들어집니다. 그럼, 3x2행렬을 만들어 볼까요? 2. 행렬에 랜덤한 값 넣기 그럼 3x5 행렬에 랜덤한 값을 넣어보겠습니다. 아래와 같이 랜덤한 값들이 행렬로 나옵니다. 3. 모든 원소의 값이 0인 행렬 모든 원소의 값이 0인 행렬은 zeros를 입력하면 됩니다. 2x4행렬을 만들어 보겠습니다. 여기서 주의할 점은 괄호를 두 번 써넣어야 한다는 점입니다. 4. i행 j열 원소 추출하기 파이썬에서는 0부터 ..

1. 최댓값, 최솟값 max 메소드와 min 메소드를 사용하면 numpy array의 최댓값과 최솟값을 구할 수 있습니다. import numpy as np array1 = np.array([14, 6, 13, 21, 23, 31, 9, 5]) print(array1.max()) #최댓값 print(array1.min()) # 최솟값 31 5 2. 평균값 mean 메소드를 사용하면 numpy array의 평균값을 구할 수 있습니다. import numpy as np array1 = np.array([14, 6, 13, 21, 23, 31, 9, 5]) print(array1.mean()) #평균값 15.25 위 예시에서 총 합(14+6+13+21+23+31+9+5)을 총 개수(8)로 나누면 15.25 입..

1. numpy array를 만드는 방법 1) 파이썬 리스트를 통해 생성 numpy 모듈의 array 메소드에 따라 파라미터로 파이썬 리스트를 넘겨주면 numpy array가 리턴됩니다. array1 = numpy.array([2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31]) print(array1) [2 3 4 7 11 13 17 19 23 29 31] 2) 균일한 값으로 생성 numpy 모듈의 full 메소드를 사용하면, 모든 값이 같은 nupmy array를 생성할 수 있습니다. array1 = numpy.full(6, 7) print(array1) [7 7 7 7 7 7] (1) 모든 값이 0인 numpy array 생성 모든 값이 0인 numpy array를 생성하기 위해..