Numpy basic

type vs dtype

X = [[1,5,4,3,2]]
X.type

 <class 'numpy.ndarray'>

X.dtype

dtype('int64')

type: X 자체의 타입을 출력함
dtype: X 내부의 원소들의 타입을 출력함

Ndim

ndarray의 dimention을 알려줌. 1차원이면 1, 2차원이면 2, 이런 식으로.

[[]] -> 2
[] -> 1

shape

ndarray의 차원을 튜플 형태로 제공한다. 2 x 3일 경우, (2,3) 이런 식으로.

y = np.zeros((2, 3, 4))
y.shape
(2, 3, 4)
y.shape = (3, 8)
y
array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])

np.vstack

vstack을 사용할 때는 1개의 argument만 할당해야 한다.
따라서 여러 개의 무언가를 할당할 시에는 싱글 리스트로 묶어준 후 함수를 사용한다.

B = np.vstack([a1.T,a2.T,a3.T,a4.T])

그렇지 않을 시 아래와 같은 오류가 발생한다.

TypeError: _vhstack_dispatcher() takes 1 positional argument but 4 were given

np.concatenate

concatenate를 사용할 때는 여러개를 할당하기 위해 소괄호로 묶어주어야 한다.

B = np.concatenate((a1.T,a2.T,a3.T,a4.T))

그렇지 않으면 아래와 같은 오류가 생긴다.

TypeError: only integer scalar arrays can be converted to a scalar index

+추가 )

• boolean indexing

  numpy와 직결된 문제는 아니지만 알아두면 좋을 것 같아서 소개한다.

아래는 조건 인덱싱을 활용한 예제이다.

• 먼저 배경은 이렇다. y를 np.zeros_like(ytrian)을 통해 ytrain과 똑같은 차원의 0으로 채운 빈 numpy array를 생성한 상황이다.

• 본론으로 들어가보자. 이 예제에서는 인덱싱을 할 때 ytrain==4 라는 조건을 두었다.
  즉, ytrain array 내부에서는 ytrain==4 조건을 만족하는 부분이 있을 것이다. 그 조건을 충족하는 원소들의 자리를 y의 인덱스로 하여 사용하는 것이다.
  결론적으로 이를 활용하여 y[ytrain==4]인 자리의 원소를 1로 바꾼다.

• 예를 들어 ytrain = [[4, 4, 9, 9]] 의 형태를 가진 array라고 가정해보자.

• ytrain==4 를 실행해보면 다음과 같은 결과가 나온다.
  --> array(([True],[True],[False],[False]))

• ytrain==4의 조건을 충족하는 즉, True인 ytrain[0],ytrain[1]의 자리를 y의 인덱스로 활용하여 y array 해당 인덱스 자리의 원소는 1로 업데이트 된다.

y = np.zeros_like(ytrain)
y[ytrain==4]=1  #ytrian이 4인 자리들은 1로 변환
y[ytrain==9]=0

다음 코드를 보며 boolean indexing을 이해해보자.

• 출력 셀 :