notebook.community

Edit and run



In [1]:

    
import numpy as np

ndarray
- numpy의 기본 자료구조로 vector와 matrix를 표현



In [2]:

    
array1 = np.array([1, 2, 3, 4])
array2 = np.array([[1, 2], [3, 4]])

print type(array1), '\n', array1
print type(array2), '\n', array2









    



<type 'numpy.ndarray'> 
[1 2 3 4]
<type 'numpy.ndarray'> 
[[1 2]
 [3 4]]

arange
- range()와 동일하지만 list가 아닌 ndarray 반환



In [3]:

    
array3 = np.arange(1, 4)
print array3, type(array3)









    



[1 2 3] <type 'numpy.ndarray'>

linspace(start, end, n)
- start, end를 n개의 균일한 간격으로 분할



In [4]:

    
# 0 ~ 10의 범위를 5등분
array4 = np.linspace(0, 10, 5)
print array4









    



[  0.    2.5   5.    7.5  10. ]

np.zeros((x, y))
- x, y 사이즈의 영행렬 반환(사이즈는 tuple로 전달)
  details: https://docs.scipy.org/doc/numpy/reference/generated/numpy.zeros.html#numpy.zeros



In [5]:

    
print np.zeros((3, 5))
print np.zeros(5)









    



[[ 0.  0.  0.  0.  0.]
 [ 0.  0.  0.  0.  0.]
 [ 0.  0.  0.  0.  0.]]
[ 0.  0.  0.  0.  0.]

np.ones((x, y))
- x, y 사이즈의 행렬(1) 반환(사이즈는 tuple로 전달)
  details: https://docs.scipy.org/doc/numpy/reference/generated/numpy.ones.html



In [6]:

    
# (n1, n2, x, y): (x, y) 행렬(1) n2개 생성 후 그것을 다시 n1개 만큼 생성하여 반환(dimension 증가)
print np.ones((2, 3, 2, 3))
print np.ones(5)









    



[[[[ 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.]

random sub package
- 무작위에 관한 모든 기능 포함
  details: https://docs.scipy.org/doc/numpy/reference/routines.random.html



In [7]:

    
# np.random.rand(n)
## Uniform Distribution으로부터 [0, 1) 실수 n개 출력
print np.random.rand(3)

# np.random.randn(n)
## Standard Normal Distribution으로부터 n개의 실수 출력
print np.random.randn(3)









    



[ 0.77767154  0.61339234  0.66991779]
[ 0.52741333  0.76161802  0.31063524]

(): 초과, 미만
[]: 이상, 이하



In [8]:

    
a = np.random.rand()
print a









    



0.311078822994

seed(n): n에 따른 랜덤값 생성규칙 지정
- 임의값을 계속 유지해야할 때 사용



In [9]:

    
np.random.seed(0)
print np.random.rand()

np.random.seed(7)
print np.random.rand()









    



0.548813503927
0.076308289374

slicing: 리스트, 문자열과 동일



In [10]:

    
array1 = np.array([1, 2, 3, 4])
array2 = np.array([[1, 2], [3, 4], [5, 6]])



In [11]:

    
print array1[0]
print array1[1:-1]



In [12]:

    
print array2









    



[[1 2]
 [3 4]
 [5 6]]



In [13]:

    
# 1행 출력
print array2[0]
# 1행 2열 출력
print array2[0, 1]
# 2행부터 끝까지, 1열부터 2열까지
print array2[1:, :2]
# 전체 행, 2열
print array2[:, 1]
# 전체 행, 2열부터(범위)
print array2[:, 1:]









    



[1 2]
2
[[3 4]
 [5 6]]
[2 4 6]
[[2]
 [4]
 [6]]

array masking
- ndarray의 원소를 선택, 제거 또는 추출하는 방법



In [14]:

    
# np.random.randint(x, y, n): [x, y)의 정수 n개 반환
array = np.random.randint(0, 20, 10)
print array, type(array)









    



[ 3 19  7 14  8 14 10  8  7  6] <type 'numpy.ndarray'>



In [15]:

    
# 짝수 선별
even_mask = (array % 2 == 0)
print array[even_mask]
print array[array % 2 == 0]









    



[14  8 14 10  8  6]
[14  8 14 10  8  6]

operations
- 기본 연산은 벡터화되어 전체 원소에 적용(element-wise)



In [16]:

    
array = np.arange(1, 6) * 5
print array









    



[ 5 10 15 20 25]



In [17]:

    
array2 = array ** 2
print array2
print array2 ** 0.5









    



[ 25 100 225 400 625]
[  5.  10.  15.  20.  25.]



In [18]:

    
array1 = np.arange(0, 20, 2) + 2
array2 = np.arange(1, 11)
print 'array1:', array1, 'array2:', array2
print '-'*100
print 'array1 - array2', array1 - array2
print 'array1 * array2', array1 * array2
print 'array1 * array1', array1 * array1









    



array1: [ 2  4  6  8 10 12 14 16 18 20] array2: [ 1  2  3  4  5  6  7  8  9 10]
----------------------------------------------------------------------------------------------------
array1 - array2 [ 1  2  3  4  5  6  7  8  9 10]
array1 * array2 [  2   8  18  32  50  72  98 128 162 200]
array1 * array1 [  4  16  36  64 100 144 196 256 324 400]



In [19]:

    
array1 = np.array([[1, 1], [1, 1]])
array2 = np.array([[2, 2], [2, 2]])

print array1 * array2  # 원소간 곱셈
print array1.dot(array2) # 행렬곱셈(내적)









    



[[2 2]
 [2 2]]
[[4 4]
 [4 4]]

logical operator
- all(): 전부
- any(): 아무거나



In [20]:

    
array = np.random.randint(1, 10, size = (4,4))
print array



In [21]:

    
print np.all(array < 7)









    



False



In [22]:

    
print np.any(array % 7 == 0)









    



True

ravel: multi-dimensional array -> one-dimensional array



In [23]:

    
array = np.array([[1, 2, 3], [7, 8, 9]])
print array
print array.ravel()









    



[[1 2 3]
 [7 8 9]]
[1 2 3 7 8 9]

.reshape(x, y): x, y배열로 재배열



In [24]:

    
array = np.arange(1, 11)
print array

array2 = array.reshape(2, 5)
print array2









    



[ 1  2  3  4  5  6  7  8  9 10]
[[ 1  2  3  4  5]
 [ 6  7  8  9 10]]



In [25]:

    
# numpy methods for descriptive statistics
print array
print 'min:', np.min(array)    # 최소값
print 'mean:', np.mean(array)    # 평균
print 'median:', np.median(array)    # 중앙값
print 'max:', np.max(array)    # 최대값
print 'std:', np.std(array)    # 표준편차
print 'argmin:', np.argmin(array)    # 최소값 index 반환
print 'argmax:', np.argmax(array)    # 최대값 index 반환
print 'sum:', np.sum(array)    # 합계
print 'sqrt:', np.sqrt(array)    # 제곱근









    



[ 1  2  3  4  5  6  7  8  9 10]
min: 1
mean: 5.5
median: 5.5
max: 10
std: 2.87228132327
argmin: 0
argmax: 9
sum: 55
sqrt: [ 1.          1.41421356  1.73205081  2.          2.23606798  2.44948974
  2.64575131  2.82842712  3.          3.16227766]



In [26]:

    
#bit-wise XOR
a = 10
print 10 ^ 2
print 17 ^ 8