[딥러닝파이썬] 01-4.파이썬의 numpy를 다뤄 보자.

넘파이 비교

- all : 조건 모두가 만족하면 true

- any : 조건 중 하나라도 만족하면 true

import numpy as np
a = np.arange(10)
print(np.any(a>5)) # 하나라도 만족하면 true
print(np.any(a>10)) # 하나라도 만족하면 true
print(np.all(a>5)) #모두 만족할때 true
print(np.all(a<10)) #모두 만족할때 true

- 배열 크기 비교

import numpy as np
a = np.array([1,2,3])
b = np.array([3,2,1])
print(a>b)

 

import numpy as np
a = np.array([1,2,3])
b = np.array([3,2,1])
print( (a>b).any()) #하나라도 커지면 true

- logical_and : and 조건

import numpy as np
a = np.array([1,2,3])
print( np.logical_and(a>1,a<4)) #1보다 크고 4보다 작으면 true

- logical_not : True이면 False, False 이면 True

- logical_or : 둘중 하나를 만족하면 True

- np.where(condition,True,False) : 조건이 만족하면 True 값, 아니면 False 값

import numpy as np
a = np.array([1,2,3])
print( np.where(a>1,10,0))

import numpy as np
a = np.array([1,2,3])
print( np.where(a>1)) #index 값 반환

- isnan :  Nan 값일때 True

- isfinite : 유한수이면 True

- argmax : 최대값의 index

- argmin : 최소값의 index

- axis 기반의 반환

import numpy as np
a = np.arange(3*3*3).reshape(3,3,3)
print(a)
print(np.argmax(a,axis=0))
print(np.argmax(a,axis=1))
print(np.argmax(a,axis=2))

특정 조건에 따른 값을 배열 형태로 추출

import numpy as np
a = np.arange(3*3*3)
print(a[a>3]) # 3보다 큰 값만 출력
b=np.array([0,0,1,3,2]) 
print(a[b]) #a 배열 중 b index 위치값만 출력

- Matrix 형태도 가능

import numpy as np
a = np.arange(3*3*3).reshape(3,3,3)
print(a[a>3]) # 3보다 큰 값만 출력
b=np.array([0,0,1,2]) 
c=np.array([0,0,1,2]) 
d=np.array([0,0,1,2]) 
print(a[b,c,d]) #matrix 형태의 데이터도 가능

파일 입출력

-loadtxt : text Type의 데이터를 읽는 기능

-savetxt : text Type의 데이터를 저장하는 기능

import numpy as np
a = np.arange(3*3*3)
np.savetxt('test.txt', a, delimiter=',')
b = np.loadtxt("./test.txt")
print(b)

 

 

---

이 문서는 학생들과 함께 딥러닝 공부를 하기 위해 만든 문서이며~

딥러닝 공부 전에 Numpy와 Pandas 의 기본을 알고 머신러닝을 공부하면 대부분의 머신러닝 소스코드들을 바라보는데 이해의 폭이 넓어질 것 같아서 이론 후 실습 전에 Numpy와 Pandas 의 기본 문법들을 정리해 보았습니다.

더욱 자세한 내용은 데이터 사이언스 스쿨을 참고하시면 많은 정보를 얻으 실 수 있을것 같습니다.

 

[참고]

https://datascienceschool.net/intro.html