numpy 기초

import numpy as np

In [5]:

data = np.random.rand(2,3)

In [6]:

data

Out[6]:

array([[0.17855733, 0.28267648, 0.56366342],
       [0.86443114, 0.23546524, 0.46807879]])

In [7]:

import random

In [8]:

#Rnadom은 1 미만

dataList = [ [ random.random() for _ in range(3) ] for _ in range (2)]

In [9]:

dataList

Out[9]:

[[0.7013192258542376, 0.9613007418895336, 0.0629581450935679],
 [0.9316020590051985, 0.7235872833449181, 0.16369610888019936]]

In [10]:

data[0]

Out[10]:

array([0.17855733, 0.28267648, 0.56366342])

In [11]:

dataList[0]

Out[11]:

[0.7013192258542376, 0.9613007418895336, 0.0629581450935679]

In [12]:

data[0][1]

Out[12]:

0.28267647886733227

In [13]:

dataList[0][1]

Out[13]:

0.9613007418895336

In [14]:

data[0,1]

Out[14]:

0.28267647886733227

In [15]:

A = [ [ 10, 20], [30, 40 ]]

In [19]:

B = [[ 1, 2 ] , [3, 4]]

In [21]:

# 리스트는 덧셈하면 그냥 요소를 이어 붙여버린다.
A + B

Out[21]:

[[10, 20], [30, 40], [1, 2], [3, 4]]

In [22]:

AA = np.array(A)
BB = np.array(B)

In [24]:

# 행렬연산
AA + BB

Out[24]:

array([[11, 22],
       [33, 44]])

In [26]:

# 리스트가 길이가 2배가 됨
A * 2

Out[26]:

[[10, 20], [30, 40], [10, 20], [30, 40]]

In [27]:

AA * 2

Out[27]:

array([[20, 40],
       [60, 80]])

In [28]:

AA.shape

Out[28]:

(2, 2)

In [29]:

AA.dtype

Out[29]:

dtype('int32')

In [30]:

#벡터 연산
v1 = np.array([1,2,3])
v2 = np.array([4,5,6])

In [31]:

v1.shape

Out[31]:

(3,)

In [32]:

v2.shape

Out[32]:

(3,)

In [33]:

AA.ndim

Out[33]:

2

In [34]:

v1.ndim

Out[34]:

1

In [35]:

v1 + v2

Out[35]:

array([5, 7, 9])

In [36]:

v1 * v2

Out[36]:

array([ 4, 10, 18])

In [37]:

v1.dot(v2)

Out[37]:

32

In [38]:

# 형변환
data

Out[38]:

array([[0.17855733, 0.28267648, 0.56366342],
       [0.86443114, 0.23546524, 0.46807879]])

In [39]:

data.shape

Out[39]:

(2, 3)

In [41]:

data.reshape(3,2)

Out[41]:

array([[0.17855733, 0.28267648],
       [0.56366342, 0.86443114],
       [0.23546524, 0.46807879]])

In [42]:

AA

Out[42]:

array([[10, 20],
       [30, 40]])

In [43]:

BB

Out[43]:

array([[1, 2],
       [3, 4]])

In [44]:

# 행렬간의 곱셈
CC = np.dot(AA,BB)

In [45]:

CC

Out[45]:

array([[ 70, 100],
       [150, 220]])

In [46]:

CC = CC + 1

In [48]:

CC * 2

Out[48]:

array([[142, 202],
       [302, 442]])

In [50]:

# 행으로 브로드 캐스팅
CC + np.array([33, 44])

Out[50]:

array([[104, 145],
       [184, 265]])

In [51]:

# 전치행렬 

data.T

Out[51]:

array([[0.17855733, 0.86443114],
       [0.28267648, 0.23546524],
       [0.56366342, 0.46807879]])

In [52]:

data

Out[52]:

array([[0.17855733, 0.28267648, 0.56366342],
       [0.86443114, 0.23546524, 0.46807879]])

In [54]:

# slicing

list1 = [ n for n in range(10, 70, 10)]
list1

Out[54]:

[10, 20, 30, 40, 50, 60]

In [94]:

# reshape

AA = np.array(list1)
AA

Out[94]:

array([10, 20, 30, 40, 50, 60])

In [95]:

BB = AA.reshape(3,2)

In [96]:

BB

Out[96]:

array([[10, 20],
       [30, 40],
       [50, 60]])

In [59]:

BB[0][1]

Out[59]:

20

In [60]:

BB[: , 0]

Out[60]:

array([10, 30, 50])

In [61]:

BB[ 0 : -1 , 1:2]

Out[61]:

array([[20],
       [40]])

In [97]:

BB[:,:]

Out[97]:

array([[10, 20],
       [30, 40],
       [50, 60]])

In [98]:

CC = BB

In [99]:

CC[0][0] = 122

In [100]:

# 값이 바뀌었다..!
BB

Out[100]:

array([[122,  20],
       [ 30,  40],
       [ 50,  60]])

In [110]:

# 깊은 복사
CC = BB.copy()
BB

Out[110]:

array([[1112321, 1222222],
       [     30,      40],
       [     50,      60]])

In [111]:

CC[0][1] = 123

In [112]:

BB

Out[112]:

array([[1112321, 1222222],
       [     30,      40],
       [     50,      60]])

In [114]:

list2 = [ n for n in range(10, 90, 10)]

In [115]:

AA = np.array(list2).reshape(2,4) 

In [116]:

AA

Out[116]:

array([[10, 20, 30, 40],
       [50, 60, 70, 80]])

In [117]:

# 속도가 느리다!
it = np.nditer(AA, flags = ['multi_index'], op_flags = ['readwrite'])

In [118]:

while not it.finished :
    idx = it.multi_index
    print(AA[idx])
    it.iternext()

10
20
30
40
50
60
70
80

In [119]:

## 행 추가에 대해서는 추가되는 행렬의 Shape을 모 행렬과 일치 시켜줘야 한다.

DD = np.concatenate((AA, np.array([ 1,2,3,4 ]) ), axis = 0)

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-119-436779f6c7a7> in <module>
----> 1 DD = np.concatenate((AA, np.array([ 1,2,3,4 ]) ), axis = 0)

ValueError: all the input arrays must have same number of dimensions

In [121]:

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

In [124]:

BB = BB.reshape(1,4)
BB

Out[124]:

array([[1, 2, 3, 4]])

In [125]:

CC = np.concatenate((AA, BB), axis = 0 )

In [126]:

CC

Out[126]:

array([[10, 20, 30, 40],
       [50, 60, 70, 80],
       [ 1,  2,  3,  4]])

In [133]:

dd = np.array([100, 200, 300])
dd.shape

Out[133]:

(3,)

In [131]:

# (3, )의 쉐잎을 (3, 1) 로 바꿔야 열에 추가할 수가 있다.
dd = dd.reshape(3, 1)
EE = np.concatenate((CC, dd), axis = 1)

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-131-8e610f1418dc> in <module>
----> 1 EE = np.concatenate((CC, dd), axis = 1)

ValueError: all the input arrays must have same number of dimensions

In [132]:

EE

Out[132]:

array([[ 10,  20,  30,  40, 100],
       [ 50,  60,  70,  80, 200],
       [  1,   2,   3,   4, 300]])

In [134]:

data = np.loadtxt("C:/Images/csv/12.csv", delimiter = ',', dtype = np.int32 )

In [135]:

rows = data[ :, 0:1]

In [136]:

rows[0 : 5]

Out[136]:

array([[0],
       [0],
       [0],
       [0],
       [0]])

In [137]:

np.max(rows)

Out[137]:

63

In [138]:

np.min(rows)

Out[138]:

0

In [142]:

np.zeros([2,3], dtype = np.uint8)

Out[142]:

array([[0, 0, 0],
       [0, 0, 0]], dtype=uint8)

In [143]:

np.ones([3,3])

Out[143]:

array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

In [145]:

float_arr = AA.astype(np.float64)