배열 연산 Numpy 배열에 대한 사칙연산은 배열의 각 요소별로 동작한다. x = np.array([[1, 2], [3, 4]], dtype=np.float64) y = np.array([[5, 6], [7, 8]], dtype=np.float64) + print(x + y) #[[ 6. 8.] #[10. 12.]] print(np.add(x, y)) #[[ 6. 8.] #[10. 12.]] - print(x - y) #[[-4. -4.] #[-4. -4.]] print(np.subtract(x, y)) #[[-4. -4.] #[-4. -4.]] * print(x * y) #[[ 5. 12.] #[21. 32.]] print(np.multiply(x, y)) #[[ 5. 12.] #[21. 32.]] 참..

정수 배열 인덱싱 배열에서 하나의 단일한 원소를 엑세스 할 경우 tuple로 인덱싱 이것의 목적은 배열에 저장된 여러개의 값을 한꺼번에 뽑아내서 또 다른 하나의 배열을 생성하려는 것이다. 슬라이싱을 하면 원본 배열의 연속적인 배열이거나, 혹은 일정한 규칙을 따라서 잘라낸 형태지만, 정수 배열 인덱실은 불규칙적으로 원본 배열의 일부를 뽑을 수 있다. *슬라이싱은 단지 원본 배열에 대한 새로운 View를 생성하는것에 지나지 않지만, 정수배열 인덱싱은 새로운 배열 객체를 생성한다. 1차원 배열에 대한 정수 배열 인덱싱 인덱스로 사용된 배열의 각 값은 그 자리에 올 원래 배열의 값의 위치를 표시한다. x = np.arange(10, 1, -1) print(x) #[10 9 8 7 6 5 4 3 2] print(..

Concatenate 함수로 배열 합치기 arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5]) arr = np.concatenate((arr1, arr2)) print(arr) #[1, 2, 3, 4, 5] Numpy는 둘 이상의 배열을 특정 축(axis)을 따라서 합치는 concatenate메서드를 제공한다. 배열들은 동일한 rank를 가져야하고, 합쳐질 축을 제외한 나머지 축으로는 동일한 길이를 가져야 한다. 만들어진 배열은 입력된 배열과 동일한 rank를 가지게 된다. arr1 = np.array([[1, 2], [3, 4]]) arr2 = np.array([[5, 6], [7, 8]]) arr3 = np.concatenate((arr1, arr2), axis=..

배열 슬라이싱 파이썬 리스트와 유사하게 Numpy 배열도 슬라이싱이 가능하다. a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) b = a[:2, 1:3] print(b) #[[2 3] #[6 7]] Numpy배열의 경우 다차원인 경우가 많기 때문에 어떻게 슬라이싱 할지 명확하게 해야한다. print(a[0, 1]) #2 b[0, 0] = 77 #b의 [0, 0]은 a의 [0, 1] print(a) #[[ 1 77 3 4] #[ 5 6 7 8] #[ 9 10 11 12]] Numpy배열의 슬라이싱은 리스트와 달리 새로운 배열을 생성하지 않는다. 기존 배열에 대한 새로운 View를 제공할 뿐이다. 따라서 위의 예시와 같이 슬라이스 된 배열의 값을 수..