Day 01. Numpy Fundamental Operations Review

# -*- coding: utf-8 -*-
"""Day 01_numpy.ipynb

Automatically generated by Colaboratory.

Original file is located at
    https://colab.research.google.com/drive/1SUG0t9VLv_ZUDFZ2JFMXvVI8s58OrUui

# 배열 : 모든 원소가 같은 자료형
####ndarray : n차원 배열, 축이 n개인 배열
####벡터화 연산 : 벡터 단위로 연산 ->요소 개별 반복 수행이 아니라 벡터 단위로 수행.
"""
 
import numpy as np
 
#파이썬에서 배열 생성 ( 리스트와는 다르다 )
arr = np.array([ 1, 2, 3 ])
 
arr, type(arr)
 
ans = []
for i in arr:
    ans.append( i * 2 )
    
ans
 
2 * arr
 
# 리스트에서의 곱셈 연산은 벡터화연산이 아니라 그냥 리스트를 두배로 늘린다.
li = [ 1, 2, 3, ]
li * 2
 
a = np.array([1,2])
b = np.array([10,20])
 
#요소 끼리의 곱셈
3 * a + b
 
li = np.array([ 1, 2, 3, ]) 
li == 2
 
c = np.array([[1,2,3],[4,5,6]])
 
#행의 갯수
len(c)
 
#열의 갯수
len([0])
 
# 배열의 차원, 크기
c.ndim, # ndimension => 차원 확인 2차원.
 
c.shape # 배열 크기 확인
 
a3 = np.array([ 1, 2, 3, 4, 5 ])
a3[4], a3[-1]
 
a3 = np.array([[ 1, 2, 3],[ 4, 5, 6 ]])
 
a3[0,1] , a3[0][1], a3[-1][-1]
 
### 슬라이싱
a3 = np.array([[ 1, 2, 3],[ 4, 5, 6 ]])
 
a3[1][1:3] , a3[1, 1: ]
 
### 0 초기화
a = np.zeros((5,2), dtype='i')
 
### 초기화 안하는 경우
b = np.empty((5,2))
 
a = np.arange(10)
 
### 스탭 지정 어레인지
np.arange(10, 50 , 3)
 
## 선형공간 linear space
np.linspace(0, 100, 5)  # 0~100까지 5개의 구간으로 분할하는 함수.
 
## 로그 공간 , 0.1부터 1까지를 10개의 구간으로 분할 밑이 10인 로그
np.logspace(0.1, 1, 10)
 
## 전치 행렬
a.shape , a.T.shape
 
# 쉐잎변경
b = np.arange(12) 
 
## 행이 4개니까 열은 알아서 계산 하도록 -1 주기
b.reshape(4,-1)
 
## 다 차원을 1차원으로  ravel() 레벨링 => 평평하게 하다.
b.ravel()  # 또는
b.flatten()
 
## 벡터형태
x = np.arange(5)
x
 
## 1행 5열 행렬 형태
x = x.reshape(1,5)
 
## 5핼 1열 행렬 형태
x = x.reshape(5,1)
 
## 차원을 증가 시킬때 사용.
x[:, np.newaxis]
 
"""####Stack"""
 
a1 = np.ones((2,3), dtype='i')
a2 = np.zeros((2,3), dtype='i')
 
## 가로로 연결
np.hstack([a1, a2])
 
## 세로로 연결 -> 열의 수가 같을때 사용.
np.vstack([a1, a2])
 
x  = np.arange(1,10001)
x2 = np.arange(10001,20001)
 
## x와 같은 행,열로 만들고 0으로 초기화
x3 = np.zeros_like(x)
 
## 실행시간 측정
# %%time
for i in range(10000):
    x3[i] = x[i]+x2[i]
 
x3[ : 10]
 
## 벡터화 연산 실행속도 비교.
# %%time
x3 = x + x2
 
## e^1
np.exp(1)
 
# 최소값에 해당하는 인덱스를 리턴
x = np.array( [ 4, 5, 6, 7 ])
x.argmin() , x.argmax()
 
x = np.array([ [1,2], [3, 4], [5, 6] ])
x
 
x.sum()
 
## 열 단위로 계산
x.sum(axis = 0)
 
## 행 단위로 계산
x.sum(axis = 1 )
 
## 정렬 각 행에 대해서 오름차순 정렬 
x = np.array([ [11,2], [23, 14], [5, 26] ])
print(np.sort(x))
print("*" * 50)
 
## 각 열에 대해서 오름차순 정렬
print(np.sort(x, axis = 0 ))
 
## inplace 함수들과 copy함수 차이를 구분할것.( 그 자리에서 배열의 값이 바뀌는 함수 )
x = np.array([40,30,10,20])
 
## [40,30,10,20]  -> [ 10, 20, 30, 40 ] 이 보통 오름차순
## argsort는 원래 배열에서 몇번째 인덱스에 있었는지만 리턴한다. 기본 오름차순.
 
np.argsort(x)
 
x