numpy summary

파이썬에서 대규모 다차원 배열을 다룰 수 있게 도와주는 라이브러리이다.
데이터의 대부분은 숫자 배열로 볼 수 있다.
list대신 numpy를 사용하는 이유는 더 빠른 연산을 지원하고 메모리를 효율적으로 사용하기 때문이다.

• 선형대수 라이브러리

• numpy 배열은 파이썬 list와 비슷하지만 배열의 규모가 커질수록 데이터 저장, 처리에 훨씬 효율적이다.

• numpy는 데이터 배열을 사용하여 최적화된 연산을 위한 쉽고 유연한 인터페이스를 제공한다.

• numpy배열은 백터화 연산을 사용하는게 핵심인데, 일반적으로 numpy의 유니버셜(ufucns) 함수를 통해 구현된다.

• UFuncs 활용

  • 배열 산술 연산
  • 절대값 함수
  • 삼각함수
  • 지수와 로그
  • 쌍곡선 삼각 함수, 비트 연산,비교 연산자
  • 출력 지정
  • 집계
  • 외적

About Numpy

ndarray를 편리하게 생성하는 arange, zeros, ones

ndarray의 차원과 크기를 변경하는 reshape()

```
array1 = np.arange(10)
print(array1)
=>[0 1 2 3 4 5 6 7 8 9]

array2 = np.reshape(2,5)
print(array2)
=> [[0 1 2 3 4 ]
	[5 6 7 8 9 ]]

array3 = np.reshape(5,2)
print(array3)
=> [[0 1]
	[2 3]
    [4 5]
    [6 7]
    [8 9]]
```

인덱싱

• 데이터 일부만 가져오기
  

• 다차원 ndarray에서 단일 값 추출하기
  

슬라이싱

• 2차원 ndarray에서 슬라이싱
  

• 불린 인덱싱
  조건 필터링과 검색을 동시에 할 수 있다.
  
  
  그 값의 참거짓을 물을 수 있다.

정렬

• np.sort()와 ndarray.sort(), argsort()가 있다.
  
  *axis 출력값이 잘못나옴.

행렬곱과 전치행렬

• 행렬곱(행렬 내적)
  

• 전치 행렬
  

axis 기준으로 연산

    a  = np.array([[1, 2, 3, 4],
    			   [5, 6, 7, 8],
                   [1, 3, 5, 7]])
                   
    print(a.sum(axis = 0) 
    # array([7, 11, 15, 19])
    
    print(a.sum(axis = 1)
    # array([10, 26, 16])
    
    print(a.max(axis = 1)) # 각 행에서의 최대값
    # array([4, 8, 7])
    
    

2차원 ndarray 슬라이싱

array1d = np.arange(start=1, stop=10)
array2d = array1d.reshape(3, 3)

array2d[0:2, 0:2]
=> [[1 2]
	[4 5]]

array2d[1:3, 0:3]
=> [[4 5 6]
	[7 8 9]]
 
array2d[:2, 0]
=> [1 4]