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]])
'DEV' 카테고리의 다른 글
[Data Science] NumPy 라이브러리 활용하기(2) (0) | 2022.04.05 |
---|---|
[Data Science] NumPy 라이브러리 활용하기(1) (0) | 2022.04.05 |
댓글