[TIL] day11

Hyebin·2021년 12월 21일

목록 보기

12/47

TIL

Numpy 배열연산/슬라이싱

Numpy의 덧셈

list사용할때처럼 zip과 for을 사용하지 않아도 같은 차원의 배열이라면 + 연산자 하나로 덧셈이 가능하다. 단, 같은 차원인지 확인할 것.

#리스트의 각 원소끼리 더하기
lst1 = [1,2,3,4,5]
lst2 = [6,7,8,9,10]
result = [a + b for a,b in zip(lst1,lst2)

#위의 처럼 for과 zip을 사용하지 않아도 됨.
arr_A = np.array([1,2,3,4,5])
arr_B = np.array([6,7,8,9,10])
result = arr_A + arr_B

random.randint과 random.randn

np.random.randint : 균일 분포의 정수 난수 1개 생성
np.random.randn : 가우시안 표준 정규 분포에서 난수 matrix array 생성
np.random.rand : 0부터 1사이의 균일 분포에서 난수 matrix array 생성

np.dot()

'*' 연산자를 사용하여 행렬 간 같은 위치(인덱스)의 요소별로 곱셈 연산과 행렬 곱 연산은 다르게 연산한다.

고차원 배열에서 np.dot()과 np.matmul() 메소드의 차이점이 나타남

@ : 행렬곱 (or np.matmul())
dot : 내적
* : 스칼라 곱

문제 풀때 np.dot과 A@B가 헷갈렸었는데, 개념을 정확하지않아서 그랬던듯하다.
(문제를 잘못읽었던것같기도하고 .__. )

numpy.reshape()

배열의 차원 크기를 변경하는 방법.
배열 요소 개수는 동일하며 차원만 조정한다.

def solution(img):
    answer = np.array([])
    for i in img:
        for j in i:
            lst = []
            cal = round((j[0]*0.3) + (j[1]*0.5) + (j[2]*0.2),1)
            lst.append(cal)
            answer = np.append(answer, np.array(lst))
    answer = answer.reshape(img.shape[0],img.shape[1])
    return answer