지식을 나누면 두배로

numpy의 함수들의 인자로 자주 등장하는 axis의 개념에 대해서 알아보자. axis numpy의 함수를 실행할 때 기준이 되는 dimension 축을 의미한다. 2차원 배열을 기준으로 axis = 0이면, 같은 열에서 행 방향으로 연산을 적용하고, axis = 1이면, 같은 행에서 열 방향으로 연산을 적용한다. test_array = np.arange(1, 13).reshape(3, 4) print(test_array) # 출력: # [[ 1 2 3 4] # [ 5 6 7 8] # [ 9 10 11 12]] print(test_array.sum(axis=1)) # 같은 행에서 열 방향으로 값들을 더한다. # 출력: [10 26 42] print(test_array.sum(axis=0)) # 같은 열에..

numpy의 배열을 생성하는 다양한 방법들을 알아보자. arange 함수 범위를 지정해서 범위 내의 값을 가진 array를 생성한다. 파이썬의 range와 유사한 역할을 한다. step의 크기를 float로 줄 수 있다. test_array = np.arange(0, 5, 0.5) # step의 크기가 0.5 print(test_array) # 출력: [0. 0.5 1. 1.5 2. 2.5 3. 3.5 4. 4.5] zeros, ones 함수 값을 0(또는 1)으로 채운 array를 생성한다. np.zeros(shape, dtype, order) np.ones(shape, dtype, order) 파라미터 중 order은 메모리에서 row-major로 저장될 것인지, column-major로 저장될 것인..

넘파이의 배열이 갖는 특징들과 넘파이 배열을 다루는 방법들에 관해 알아보자. ndarray numpy의 N차원 배열 객체이다. numpy는 하나의 데이터 타입만 배열에 넣을 수 있다. 각 element가 차지하는 메모리의 크기를 지정할 수 있다. 파이썬의 list보다 뛰어난 연산 성능을 갖는다. import numpy as np test_array = np.array(["1", "4", 5.0, 8], float) # ndarray 객체 생성 print(test_array) # 출력: [1. 4. 5. 8.] print(type(test_array)) # 출력: print(type(test_array[0])) # 출력: shape array의 dimension 구성을 반환한다. dtype array의 데..