[Numpy,Matplotlib] 2.Numpy는 차원을 늘리고 줄일수 있다

In [7]:

import numpy as np
arr=np.array([[1,2,3],[1,2,3]])
arr.shape

Out[7]:

(2, 3)

In [8]:

arr=np.expand_dims(arr,-1) #내부값은 유지하고 차원 수를 늘리고 싶을대
arr #-1을 하면 차원수와 값의 위치가 변경된다 

Out[8]:

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

       [[1],
        [2],
        [3]]])

In [9]:

arr.shape

Out[9]:

(2, 3, 1)

In [10]:

#0으로 채워진 np.array
zeros = np.zeros([3,3])
zeros

Out[10]:

array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

In [11]:

zeros=np.zeros(1)
zeros

Out[11]:

array([0.])

In [15]:

#1로 만들기
ones = np.ones([10,5])
ones

Out[15]:

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

In [16]:

#ones를 활용해서 특정 정수값 랜덤만들기
ones*5

Out[16]:

array([[5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.],
       [5., 5., 5., 5., 5.]])

In [20]:

np.arange(5) #0~4 a~b-1의 정수 array생성

Out[20]:

array([0, 1, 2, 3, 4])

In [21]:

np.arange(1,5) # 1~4

Out[21]:

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

In [22]:

#arange와 reshape 활용하기
arr2=np.arange(9).reshape(3,3)
arr2

Out[22]:

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [27]:

#Indexing
nums = [1,2,3,4,5]
nums[2:]

Out[27]:

[3, 4, 5]

In [43]:

nums=[1,2,3,4,[1,2,3]]
nums[4]

Out[43]:

[1, 2, 3]

In [ ]:

#array도 list처럼 인덱싱이 가능하다

In [54]:

data=np.random.randn(3,3)
data

Out[54]:

array([[ 0.69182466, -0.75348262, -0.26842239],
       [-0.48456792,  0.29615744,  1.0597146 ],
       [ 1.22603436,  2.10285786,  1.19448078]])

In [55]:

data<=0 #boolean

Out[55]:

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

In [56]:

data[data<=0] #특정 조건을 만족하는 값들만 불러오기

Out[56]:

array([-0.75348262, -0.26842239, -0.48456792])

In [57]:

data[data<=0]=1 #특정 조건을 만족하는 것들을 1로 변경하기 

In [58]:

data

Out[58]:

array([[0.69182466, 1.        , 1.        ],
       [1.        , 0.29615744, 1.0597146 ],
       [1.22603436, 2.10285786, 1.19448078]])

In [59]:

#######Broadcast############
#broadcast는 연산하려는 서로 다른 2개의 행렬의 shape가 같지 않고 한쪽의 차원이라도
# 같거나 or 갯수가 1개일때 이를 여러개 복사해서 연산하는 방법
import numpy as np

In [60]:

arr= np.arange(9).reshape(3,3)
arr

Out[60]:

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [61]:

arr+3

Out[61]:

array([[ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

In [62]:

arr*3 

Out[62]:

array([[ 0,  3,  6],
       [ 9, 12, 15],
       [18, 21, 24]])

In [64]:

arr+np.array([1,2,3])

Out[64]:

array([[ 1,  3,  5],
       [ 4,  6,  8],
       [ 7,  9, 11]])

In [66]:

arr+np.array(1) # arr+1이랑 마찬가지

Out[66]:

array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

In [68]:

np.multiply(arr,3) #arr*3이랑 마찬가지

Out[68]:

array([[ 0,  3,  6],
       [ 9, 12, 15],
       [18, 21, 24]])

In [69]:

arr = np.random.randint(2,size=27).reshape(3,3,3) #0~(2-1)값을 27개 만들어서 3,3로 reshape해라
arr_2=np.random.randint(2,size=9).reshape(3,3)

In [70]:

arr

Out[70]:

array([[[1, 0, 0],
        [0, 1, 1],
        [1, 1, 1]],

       [[1, 1, 1],
        [1, 0, 1],
        [1, 1, 1]],

       [[1, 0, 0],
        [1, 0, 1],
        [0, 0, 0]]])

In [71]:

arr*arr2

Out[71]:

array([[[0, 0, 0],
        [0, 4, 5],
        [6, 7, 8]],

       [[0, 1, 2],
        [3, 0, 5],
        [6, 7, 8]],

       [[0, 0, 0],
        [3, 0, 5],
        [0, 0, 0]]])

In [72]:

np.sum(arr) #내부값들 전체 합

Out[72]:

17

In [74]:

np.max(arr)

Out[74]:

1

In [79]:

np.sum(arr+arr2,axis=1) #axis

Out[79]:

array([[11, 14, 17],
       [12, 14, 18],
       [11, 12, 16]])

In [80]:

np.mean(arr)

Out[80]:

0.6296296296296297

In [82]:

arr=np.array([1,6,3,7,3,2,9])

In [84]:

np.argmax(arr) #제일큰값의 index값 0부터 시작

Out[84]:

6

In [85]:

np.argmin(arr) #제일 작은값의 index값

Out[85]:

0

In [86]:

np.unique(arr) #array의 유일한 값들/set이라 보면 된다

Out[86]:

array([1, 2, 3, 6, 7, 9])

In [ ]: