

In [2]:

    
import numpy as np



In [3]:

    
print(np.__version__)

파이썬에는 배열이라는 자료구조가 존재하지 않는다.

그래서 배열의 이점을 누릴 수 없다.



In [4]:

    
a = np.array(range(10)) #파이썬의 배열을 입력 하면 넘파이 배열을 반환한다.



In [5]:

    
a









    Out[5]:





array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])



In [6]:

    
type(a)









    Out[6]:





numpy.ndarray



In [7]:

    
b = [1,2,3]



In [8]:

    
a









    Out[8]:





array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])



In [9]:

    
a = np.array([1,2,3])
b = np.array([10,20,30])



In [10]:

    
2 * a + b









    Out[10]:





array([12, 24, 36])



In [11]:

    
np.exp(a)









    Out[11]:





array([  2.71828183,   7.3890561 ,  20.08553692])



In [12]:

    
np.log(b)









    Out[12]:





array([ 2.30258509,  2.99573227,  3.40119738])



In [13]:

    
np.sin(a)









    Out[13]:





array([ 0.84147098,  0.90929743,  0.14112001])



In [14]:

    
b = np.array([[0,1,2],[3,4,5]])



In [15]:

    
b.shape









    Out[15]:





(2, 3)



In [16]:

    
b









    Out[16]:





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



In [17]:

    
len(b)









    Out[17]:





2



In [18]:

    
len(b[0])









    Out[18]:





3



In [19]:

    
c = np.array([[[1,2,3,4],[5,6,7,8],[9,10,11,12]],[[11,12,13,14],[15,16,17,18],[19,20,21,22]]])



In [20]:

    
c.shape









    Out[20]:





(2, 3, 4)



In [21]:

    
c









    Out[21]:





array([[[ 1,  2,  3,  4],
        [ 5,  6,  7,  8],
        [ 9, 10, 11, 12]],

       [[11, 12, 13, 14],
        [15, 16, 17, 18],
        [19, 20, 21, 22]]])



In [22]:

    
n = np.array([[0,0,1],[1,0,0]])



In [23]:

    
np.argmax(n,axis=0)









    Out[23]:





array([1, 0, 0])



In [24]:

    
print(c.ndim)



In [25]:

    
print(c.shape)









    



(2, 3, 4)



In [26]:

    
a = np.array(1)



In [27]:

    
a









    Out[27]:





array(1)



In [28]:

    
a.ndim









    Out[28]:





0



In [29]:

    
a.shape









    Out[29]:





()



In [30]:

    
a = np.array([1,2,3])



In [31]:

    
a.ndim









    Out[31]:





1



In [32]:

    
a.shape









    Out[32]:





(3,)



In [33]:

    
a = np.array([[0,1,2],
              [3,4,5]])



In [34]:

    
a.shape









    Out[34]:





(2, 3)



In [35]:

    
a.ndim









    Out[35]:





2

콤마로 구분된 차원을 축(axis)이라고도 한다.



In [36]:

    
a[0,2]









    Out[36]:





2



In [37]:

    
a[-1,-1]  # 마지막 행의 마지막 열









    Out[37]:





5



In [38]:

    
a = np.array([[0,1,2,3],
              [4,5,6,7]])



In [39]:

    
a[0,:]









    Out[39]:





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



In [40]:

    
a[1,:]









    Out[40]:





array([4, 5, 6, 7])



In [41]:

    
a[1,:2]









    Out[41]:





array([4, 5])



In [42]:

    
a[:,1:3]









    Out[42]:





array([[1, 2],
       [5, 6]])

fancy indexing



In [43]:

    
a = np.array([0,1,2,3,4,5,6,7,8,9])
idx = np.array([True,False,True,False,True,False,True,False,True,False])
a[idx]









    Out[43]:





array([0, 2, 4, 6, 8])



In [44]:

    
a[a % 2 == 0]









    Out[44]:





array([0, 2, 4, 6, 8])



In [45]:

    
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) * 10
idx = np.array([0, 2, 4, 6, 8]) #위의 ndarray의 원소들의 인덱스들로 구성되어야 한다. 
a[idx]









    Out[45]:





array([ 0, 20, 40, 60, 80])



In [46]:

    
a = np.array([0, 1, 2, 3]) * 10
idx = np.array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2])
a[idx]









    Out[46]:





array([ 0,  0,  0,  0,  0,  0, 10, 10, 10, 10, 10, 20, 20, 20, 20, 20])



In [47]:

    
a = np.array([[1,2,3,4],
              [5,6,7,8],
              [9,10,11,12]]) 
a









    Out[47]:





array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])



In [48]:

    
a[:, [True, False, False, True]]









    Out[48]:





array([[ 1,  4],
       [ 5,  8],
       [ 9, 12]])



In [49]:

    
a[[2, 0, 1], :] #2번인덱스 0번인덱스 1번인덱스 순으로 행을 정렬한다.









    Out[49]:





array([[ 9, 10, 11, 12],
       [ 1,  2,  3,  4],
       [ 5,  6,  7,  8]])



In [50]:

    
x = np.array([1.,2,3])



In [51]:

    
x.dtype









    Out[51]:





dtype('float64')



In [52]:

    
np.exp(-np.inf)









    Out[52]:





0.0



In [53]:

    
np.zeros(5)









    Out[53]:





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



In [54]:

    
np.ones(10)









    Out[54]:





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



In [55]:

    
np.zeros_like(3)









    Out[55]:





array(0)



In [56]:

    
np.array([1,2,3],dtype='float64')









    Out[56]:





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



In [57]:

    
b = np.zeros((2,3,4),dtype='f8')



In [58]:

    
b









    Out[58]:





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

       [[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]]])



In [59]:

    
c = np.zeros(5, dtype="S4")



In [60]:

    
c[0] = "abcd"
c[1] = "ABCDEF"  #EF는잘린다.



In [61]:

    
c









    Out[61]:





array([b'abcd', b'ABCD', b'', b'', b''],
      dtype='|S4')



In [62]:

    
np.array([1,2,3],dtype=np.float32)









    Out[62]:





array([ 1.,  2.,  3.], dtype=float32)



In [63]:

    
np.array([1,2,3],dtype=np.int32)









    Out[63]:





array([1, 2, 3], dtype=int32)



In [66]:

    
np.array([1,2,"3"],dtype=np.float32)









    Out[66]:





array([ 1.,  2.,  3.], dtype=float32)



In [ ]: