[Data Science] NumPy 라이브러리 활용하기(3)

NumPy 라이브러리의 주요 operation function을

아래와 같이 정리해보았다.

Numpy 라이브러리 활용

---

먼저 Operation function 을 실행할 때

기준이 되는 dimension 축을 이해해여야 한다.

 

 

1. Axis

axis는 2차원과 3차원 배열을 예로 설명을 하면

 

2차원의 경우, 

- Axis 0 : 행 숫자를 세는방향

- Axis 1 : 열 숫자를 세는 방향

 

 

3차원의 경우,

- Axis 0 : 차원 숫자를 세는 방향

- Axis 1 : 행 숫자를 세는방향

- Axis 2 : 열 숫자를 세는 방향

순이다.

 

예를 들어 아래 함수 중 sum을 사용하면

아래와 같은 결과를 출력할 수 있다.

>> 3dim_array.sum(axis=0)

array([3, 6, 9, 12], [15, 18, 21, 24], [27, 30, 33, 36])

>> 3dim_array.sum(axis=1)

array([15, 18, 21, 24], [15, 18, 21, 24], [15, 18, 21, 24])

>> 3dim_array.sum(axis=2)

array([10, 26, 42], [10, 26, 42], [10, 26, 42])

 

2. sum

배열의 element의 총합

>> array명.sum(axis = n)

 

3. mean

배열의 element의 평균

>> array명.mean()

>> array명.mean(axis = n)

 

4. std

배열의 element의 표준편차

>> array명.std()

>> array명.std(axis = n)

 

5. var

배열의 element의 분산

>> array명.var()

>> array명.var(axis = n)

 

5. max

배열의 element의 최대값

>> array명.max()

 

6. min

배열의 element의 최소값

>> array명.min()

 

7. median

배열의 element의 중앙값

>> np.median(array01)

 

8. concatenate

배열 합치기

 

8-1) vstack, concatenate(axis=0)

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

>> b = np.array([5, 6, 7, 8])

>> np.vstack((a, b))

또는

>> np.concatenate((a, b), axis = 0)

 

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

 

8-2) hstack, concatenate(axis=1)

>> a = np.array([1], [5], [9])

>> b = np.array([2], [6], [10])

>> np.vstack((a, b))

또는

>> np.concatenate((a, b), axis = 1)

 

결과) array([[1, 2], [5, 6], [9, 10]])