[부스트캠프 AI Tech 5기] Pre-Course : (7) numpy part III

📖 All & Any

• Array의 데이터 전부(and) 또는 일부(or)가 조건에 만족 여부하는지 여부 반환

a = np.arange(10)
a

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

# any : 하나라도 조건에 만족한다면 true
np.any(a>5), np.any(a<0)

(True, False)

# all : 모두가 조건에 만족한다면 true
np.all(a>5), np.all(a<10)

(False, True)

📖 comparison operation #1

• numpy는 배열의 크기가 동일할 때 element간 비교의 결과를 Boolean type으로 반환

test_a = np.array([1, 3, 0], float)
test_b = np.array([5, 2, 1], float)
test_a > test_b

array([False,  True, False])

test_a == test_b

array([False, False, False])

# any : 하나라도 true라면 true
(test_a > test_b).any()

True

📖 comparison operation #2

a = np.array([1, 3, 0], float)
# and 조건의 condition
np.logical_and(a > 0, a < 3)

array([ True, False, False])

b = np.array([True, False, True], bool)
# NOT 조건의 condition
np.logical_not(b)

array([False,  True, False])

c = np.array([False, True, False], bool)
# OR 조건의 condition
np.logical_or(b, c)

array([ True,  True,  True])

📖 np.where

# where(condition, True, False)
np.where(a > 0, 3, 2)

array([3, 3, 2])

# Index 값 반환
a = np.arange(10)
np.where(a>5)

(array([6, 7, 8, 9]),)

# nan : not a number
a = np.array([1, np.NaN, np.Inf], float)
np.isnan(a)

array([False,  True, False])

# isfinite : is finite number
np.isfinite(a)

array([ True, False, False])

📖 argmax & argmin

• array내 최대값 또는 최소값의 index를 반환함

a = np.array([1,2,4,5,8,78,23,3])
np.argmax(a) ,np.argmin(a)

(5, 0)

• axis 기반의 반환

a = np.array([[1,2,4,7],[9,88,6,45],[9,76,3,4]])
np.argmax(a, axis=1), np.argmin(a, axis=0)

(array([3, 1, 1]), array([0, 0, 2, 2]))

📖 boolean index

• 특정 조건에 따른 값을 배열 형태로 추출
• Comparison operation 함수들도 모두 사용가능

test_array = np.array([1, 4, 0, 2, 3, 8, 9, 7], float)
test_array > 3

array([False,  True, False, False, False,  True,  True,  True])

# 조건이 True인 index의 element만 추출
test_array[test_array > 3]

array([4., 8., 9., 7.])

condition = test_array < 3
test_array[condition]

array([1., 0., 2.])

📖 fancy index

• numpy는 array를 index value로 사용해서 값 추출

a = np.array([2, 4, 6, 8], float)
# 반드시 integer로 선언
b = np.array([0, 0, 1, 3, 2, 1], int)
# bracket index, b 배열의 값을 index로 하여 a의 값들을 추출함
a[b]

array([2., 2., 4., 8., 6., 4.])

# take 함수 : bracket index와 같은 효과
a.take(b)

array([2., 2., 4., 8., 6., 4.])

• matrix 형태의 데이터도 가능

a = np.array([[1, 4],[9, 16]], float)
b = np.array([0, 0, 1, 1, 0], int)
c = np.array([0, 1, 1, 1, 1], int)
# b를 row index, c를 column index로 변환하여 표시함
a[b,c]

array([ 1.,  4., 16., 16.,  4.])

# b를 row index로 변환하여 표시
a[b]

array([[ 1.,  4.],
       [ 1.,  4.],
       [ 9., 16.],
       [ 9., 16.],
       [ 1.,  4.]])

📖 loadtxt & savetxt

• text type의 데이터를 읽고, 저장하는 기능

# 파일 호출
a = np.loadtxt("./populations.txt")
# int type으로 변환
a_int = a.astype(int)
# int_data.csv로 저장
np.savetxt('int_data.csv', a_int, delimeter=',')

<이 게시물은 최성철 교수님의 numpy 강의 자료를 참고하여 작성되었습니다.>

본 포스트의 학습 내용은 [부스트캠프 AI Tech 5기] Pre-Course 강의 내용을 바탕으로 작성되었습니다.
부스트캠프 AI Tech 5기 Pre-Course는 일정 기간 동안에만 운영되는 강의이며,
AI 관련 강의를 학습하고자 하시는 분들은 부스트코스 AI 강좌에서 기간 제한 없이 학습하실 수 있습니다.
(https://www.boostcourse.org/)