반응형
Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
Tags
- 최소 신장 트리
- traceback
- 그래프
- 트리
- 크루스칼
- 넘파이
- 최단 거리
- algorithm
- minimum spanning tree
- prim
- 강한 연결 요소
- 우선 순위 큐
- 파이썬
- tree
- python
- 알고리즘
- 유니온 파인드
- graph
- numpy
- 벨만 포드
- Strongly Sonnected Coponent
- 최장 공통 부분 수열
- 최소 스패닝 트리
- 우선순위 큐
- 다이나믹 프로그래밍
- LCS
- priority queue
- 최단 경로
- 플로이드 위셜
- Longest Common Subsequence
Archives
- Today
- Total
codinging
[Library] NumPy - 1 본문
NumPy(Numerical Python)
NumPy는 행렬이나 일반적으로 대규모 다차원 배열을 쉽게 처리할 수 있도록 지원하는 파이썬의 라이브러리이다.
NumPy Tutorials
https://numpy.org/devdocs/user/quickstart.html
NumPy기본
ndarray.ndim
- 배열의 축(차원) 수
ndarray.shape
- 배열의 n행과 m열을 (n, m) 으로 표현
ndarray.size
- 배열의 총 요소 수
ndarray.dtype
- 배열의 요소 유형을 설명하는 객체
ndarray.itemsize
- 배열의 각 요소의 크기
>>> import numpy as np
>>> a = np.arange(15).reshape(3, 5)
>>> a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
>>> a.shape # (행, 열)
(3, 5)
>>> a.ndim # 차원
2
>>> a.dtype.name # 요소 타입
'int64'
>>> a.itemsize # 요소 크기
8
>>> a.size # 배열 크기
15
>>> type(a)
<class 'numpy.ndarray'>
>>> b = np.array([6, 7, 8])
>>> b
array([6, 7, 8])
>>> type(b)
<class 'numpy.ndarray'>
예시
배열 생성
>>> data1 = [1,2,3,4,5]
>>> data1
[1, 2, 3, 4, 5]
>>> data2 = [1,2,3,3.5,4]
>>> data2
[1, 2, 3, 3.5, 4]
>>> arr1 = np.array(data1)
>>> arr1
array([1, 2, 3, 4, 5])
2차원 배열(다차원 배열) 생성
>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
>>> b = np.array([(1, 2, 3), (4, 5, 6)])
>>> b
array([[1, 2, 3],
[4, 5, 6]])
명시적 생성
>>> c = np.array([[1, 2], [3, 4]], dtype=complex)
>>> c
array([[1.+0.j, 2.+0.j],
[3.+0.j, 4.+0.j]])
요소 지정된 배열 만들기(zeros, ones, empty)
>>> np.zeros((3, 4))
array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])
>>> np.ones((2, 3, 4), dtype=np.int16)
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]]], dtype=int16)
>>> np.empty((2, 3))
array([[3.73603959e-262, 6.02658058e-154, 6.55490914e-260], # may vary
[5.30498948e-313, 3.14673309e-307, 1.00000000e+000]])
arrange( python 내장함수 range와 유사하지만 배열을 반환)
>>> np.arange(10, 30, 5)
array([10, 15, 20, 25])
>>> np.arange(0, 2, 0.3) # it accepts float arguments
array([0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8])
linspace(a, b, c)
a에서 b까지 c개로 나눠서 배열화
>>> from numpy import pi
>>> np.linspace(0, 2, 9) # 9 numbers from 0 to 2
array([0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])
>>> x = np.linspace(0, 2 * pi, 100) # useful to evaluate function at lots of points
>>> f = np.sin(x)
'Python > Library' 카테고리의 다른 글
[Library] NumPy - 2 (0) | 2023.09.06 |
---|