Ndarray_1darray

import numpy as np

🛻 1darray

• python list 이용해서 ndarray 만들기

a1 = np.array([1,2,3,4])

lista = [1,2,3,4]
a2 = np.array(lista)

print(lista)
print(a2) 
print(type(a2))   # class 'numpy.ndarray'

• python range( ) vs np.arange( )

listb = [x for x in range(10)]
print(listb)    # [0,1,2,3,4,5,6,7,8,9]

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

b1 = np.arange(1.5, 2, 0.1)  #python range는 실수형태는 X
print(b1)       # [1.5 1.6 1.7 1.8 1.9]

• python _ list 와 ndarray 의 차이

python list는 여러 타입의 데이터가 들어갈 수 있지만, ndarray는 하나의 데이터타입만 처리할 수 있다.

listc = [1, 1.0, 'abc']
print(listc)

c = np.array(listc)
print(c)

"불형 필터를 사용하는 것 / 불연속적인 인덱스를 직접 주는 것" 은 python list에서는 불가능하다.

listd = list(''abcdefghijk)
print(listd)   # ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k']

d = np.array(listd)
print(d)   # ['a' 'b' 'c' 'd' 'e' 'f' 'g' 'h' 'i' 'j' 'k']

print(d[2])  # c
print(d[2:6:2])  # ['c' 'e']

print(a4[1,7,5])  # ['b' 'h' 'f']

filter1 = d > 'c'
print(a4[filter1])  # ['d' 'e' 'f' 'g' 'h' 'i' 'j' 'k']
 

.
.
.

⌨️ 이외의 numpy의 ndarray에 대한 기본적인 것들을 보자.

» np.linspace
» np.zeros
» np.ones
» dtype / ndim / shape / size
» 사칙연산

np.linspace(1.5, 2.5, 10)
# [1.5        1.61111111 1.72222222 1.83333333 1.94444444 2.05555556
   2.16666667 2.27777778 2.38888889 2.5       ]
   
np.zeros(5)   # [0. 0. 0. 0. 0.]
np.zeros(5).astype(np.int64)   # [0 0 0 0 0]
np.ones(10, dtype=np.int64)    # [1 1 1 1 1 1 1 1 1 1]

a10 = np.arange(5,15)
print(a10)   # [ 5  6  7  8  9 10 11 12 13 14]
print(a10.dtype)   # int32
print(a10.ndim)    # 차원 : 1차원
print(a10.shape)   # (10, )
print(a10.size)    # elements의 갯수 : 10

lista = [1,2,3,4]
listb = [10,20,30,40]
print(lista + listb)   #  [1, 2, 3, 4, 10, 20, 30, 40]

a = np.array(lista)
b = np.array(listb)

print(a1+a2)  # [11 22 33 44]
print(a1-a2)  # [-9 -18 -27 -36]
print(a1*a2)  # [10  40  90 160]
print(a1/a2)  # [0.1 0.1 0.1 0.1]
print(a1%a2)  # [1 2 3 4]

print( np.concatenate((a1,a2)) )  # [1  2  3  4 10 20 30 40]

np.sum(a1)    # 10
np.min(a1)    # 1
np.max(a1)    # 4
np.std(a1)    # 1.118033988749895