numpy - 정렬, 집계함수

1. 정렬

1) numpy.sort( )

정렬 후 ndarray로 리턴

a = np.array([3,5,2,7,8])

* np.sort(a)
  -> [2, 3, 5, 7, 8]  # 1차원 정렬
* np.sort(a)[::-1]   # reverse라는 메소드가 없어서 정렬후 역순으로 슬라이싱을 한 후 리턴
  -> [8, 7, 5, 3, 2]
 
 
a_2d = np.array([[20,3,100],[1,200,30],[300,10,2]])

* np.sort(a_2d, axis=0)  # 2차원 열을 기준으로 정렬
  -> [[  1,   3,   2],
      [ 20,  10,  30],
      [300, 200, 100]]
* np.sort(a_2d, axis=1)  # 2차원 행을 기준으로 정렬
  -> [[  3,  20, 100],
      [  1,  30, 200],
      [  2,  10, 300]]
* np.sort(a_2d, axis=0)[::-1]  # reverse라는 메소드가 없어서 정렬후 역순으로 슬라이싱을 한 후 리턴
  -> [[300, 200, 100],
      [ 20,  10,  30],
      [  1,   3,   2]]

2) ndarray.sort( )

ndarray 자체 정렬

* a.sort()  # ndarray인 a 자체정렬
  -> [2, 3, 5, 7, 8]
  
* a_2d.sort(axis=0)  # 2차원 열을 기준으로 정렬
  -> [[  1,   3,   2],
      [ 20,  10,  30],
      [300, 200, 100]]
      
* a_2d.sort(axis=1)  # 2차원 행을 기준으로 정렬
  -> [[  3,  20, 100],
      [  1,  30, 200],
      [  2,  10, 300]]

3) numpy.argsort( )

정렬된 인덱스(값의 크기에 따라 인덱스를 지정)의 배열을 ndarray로 리턴

a_2d = np.array([[20,3,100],[1,200,30],[300,10,2]])

* np.argsort(a_2d)
  -> [[1, 0, 2],
      [0, 2, 1],
      [2, 1, 0]]
      
* a_2d[:, 1]  # 행은 전체를 추출하고 열은 1열만 추출
  -> [  3, 200,  10]
  
* np.argsort(a_2d[:, 1])  # 1열을 기준으로 정렬한 인덱스
  -> [0, 2, 1]
  
* a_2d[np.argsort(a_2d[:, 1])]
# 1열을 기준으로 정렬한 인덱스를 바탕으로 행을 정렬
# 정렬한 인덱스를 바탕으로 정렬하면 오름차순으로 정렬된 값을 리턴
  -> [[ 20,   3, 100],
      [300,  10,   2],
      [  1, 200,  30]]

2. 집계함수

이미지 출처 : https://learnx.tistory.com/entry/%ED%86%B5%EA%B3%84%EC%9D%98-%EA%B8%B0%EC%B4%88%EC%9D%B8-%ED%8F%89%EA%B7%A0-%EB%B6%84%EC%82%B0-%ED%91%9C%EC%A4%80%ED%8E%B8%EC%B0%A8

합계, 평균, 최대값, 최소값, 표준편차 , 분산

a_2d = np.arange(12).reshape(3,4)
  -> [[ 0,  1,  2,  3],
      [ 4,  5,  6,  7],
      [ 8,  9, 10, 11]]

1) 합계 : sum( )

* np.sum(a_2d)  # 전체 요소값 합계
  -> 66
  
* np.sum(a_2d, axis=0)  # 각 열의 요소값 합계
  -> [12, 15, 18, 21]
  
* np.sum(a_2d, axis=1)  # 각 행의 요소값 합계
  -> [ 6, 22, 38]

2) 평균 : mean( )

* np.mean(a_2d)  # 전체 요소값 평균
  -> 5.5
  
* np.mean(a_2d, axis=0)  # 각 열의 요소값 평균
  -> [4., 5., 6., 7.]
  
* np.mean(a_2d, axis=1)  # 각 행의 요소값 평균
  -> [1.5, 5.5, 9.5]

3) 최대값 : max( ), 최소값 : min( )

* np.max(a_2d)  # 전체 요소 중 가장 큰 값
  -> 11
  
* np.max(a_2d, axis=0)  # 각 열의 요소 중 가장 큰 값
  -> [ 8,  9, 10, 11]
  
* np.max(a_2d, axis=1)  # 각 행의 요소 중 가장 큰 값
  -> [ 3,  7, 11]
  
* np.min(a_2d)  # 전체 요소 중 가장 작은 값
  -> 0
  
* np.min(a_2d, axis=0)  # 각 열의 요소 중 가장 작은 값
  -> [0, 1, 2, 3]
  
* np.min(a_2d, axis=1)  # 각 행의 요소 중 가장 작은 값
  -> [0, 4, 8]

4) 표준편차 : std( )

* np.std(a_2d)  # 전체 요소값 표준편차
  -> 3.452052529534663
  
* np.std(a_2d, axis=0)  # 각 열의 요소값 표준편차
  -> [3.26598632, 3.26598632, 3.26598632, 3.26598632]
  
* np.std(a_2d, axis=1)  # 각 행의 요소값 표준편차
  -> [1.11803399, 1.11803399, 1.11803399]

5) 분산 : var( )

* np.var(a_2d)  # 전체 요소값 분산
  -> 11.916666666666666
  
* np.var(a_2d, axis=0)  # 각 열의 요소값 분산
  -> [10.66666667, 10.66666667, 10.66666667, 10.66666667]
  
* np.var(a_2d, axis=1)  # 각 행의 요소값 분산
  -> [1.25, 1.25, 1.25]