📌 Array 적용가능 함수
📌 1개의 배열에 적용되는 함수
1️⃣ 난수 함수
1) random.randn()
random.randn(d0,d1,.., dn): 표준정규난수 생성
arr = np.random.randn(4, 3)
arr- 출력
array([[ 2.1112083 , 0.56573421, -1.1171306 ],
[ 1.04822026, 0.44196139, -1.15541176],
[-0.86711409, -0.32242043, -0.04355019],
[-0.30525955, -1.76728679, 0.84724682]])2️⃣ 수학 함수
- 제곱근, 절대값, 삼각함수, 지수로그함수, 반올림함수 등
1) abs()
- 절대값 출력
np.abs(arr)- 출력
array([[2.1112083 , 0.56573421, 1.1171306 ],
[1.04822026, 0.44196139, 1.15541176],
[0.86711409, 0.32242043, 0.04355019],
[0.30525955, 1.76728679, 0.84724682]])2) square()
- 제곱근 출력
np.square(arr)- 출력
array([[4.45720050e+00, 3.20055193e-01, 1.24798078e+00],
[1.09876571e+00, 1.95329874e-01, 1.33497632e+00],
[7.51886850e-01, 1.03954932e-01, 1.89661948e-03],
[9.31833926e-02, 3.12330260e+00, 7.17827171e-01]])3) exp()
- 지수함수 적용 값 출력
np.exp(arr)- 출력
array([[8.25821368, 1.76074006, 0.32721737],
[2.85256976, 1.55575568, 0.31492784],
[0.42016235, 0.72439357, 0.9573845 ],
[0.73693208, 0.17079577, 2.33321424]])4) log()
- 로그함수 적용 값 출력
log(): 자연로그log10(): 상용로그log2(): 밑이 2인 로그
np.log10(np.array([10, 100, 1000]))
np.log2(np.array([16, 32, 1024]))- 출력
array([1., 2., 3.])
array([ 4., 5., 10.])5) sign()
- 각 성분의 부호 계산
1: 양수-1: 음수0: 0
np.sign(arr)- 출력
array([[ 1., 1., -1.],
[ 1., 1., -1.],
[-1., -1., -1.],
[-1., -1., 1.]])6) floor(), round(), ceil()
floor(): 내림
# 내림
np.floor(arr)- 출력
array([[ 2., 0., -2.],
[ 1., 0., -2.],
[-1., -1., -1.],
[-1., -2., 0.]])round(): 반올림
# 반올림
np.round(arr)- 출력
array([[ 2., 1., -1.],
[ 1., 0., -1.],
[-1., -0., -0.],
[-0., -2., 1.]])ceil(): 올림
# 올림
np.ceil(arr)
```python
array([[ 3., 1., -1.],
[ 2., 1., -1.],
[-0., -0., -0.],
[-0., -1., 1.]])3️⃣ NaN 여부 확인
1) isnan()
nan데이터 생성
arr[1, 2] = np.nan
arr- 출력
array([[ 2.1112083 , 0.56573421, -1.1171306 ],
[ 1.04822026, 0.44196139, nan],
[-0.86711409, -0.32242043, -0.04355019],
[-0.30525955, -1.76728679, 0.84724682]])nan데이터인 성분만True로 출력한다.
np.isnan(arr)- 출력
array([[False, False, False],
[False, False, True],
[False, False, False],
[False, False, False]])4️⃣ 무한대 확인
1) .inf
arr + np.inf- 출력
array([[inf, inf, inf],
[inf, inf, nan],
[inf, inf, inf],
[inf, inf, inf]])5️⃣ 삼각 함수
- 각 성분에 대해 삼각함수 값을 계산하기
cos,cosh,sin,sinh,tan,tanh
np.sin(arr)- 출력
array([[ 0.8574968 , 0.53603577, -0.89884659],
[ 0.8665363 , 0.42771322, nan],
[-0.76246485, -0.31686319, -0.04353643],
[-0.30054074, -0.98075778, 0.74946051]])6️⃣ 사칙연산
1) sum(), nansum()
- 합을 계산하며,
nan이 포함된 경우 사칙연산 값은 항상0이 된다. 이때,nansum()을 사용하면nan을0취급한다.
np.sum(arr)- 출력
np.float64(nan)np.nansum(arr)- 출력
np.float64(0.5916093247340019)2) product(), nanprod()
- 곱을 계산하며,
nan이 포함된 경우 사칙연산 값은 항상0이 된다. 이때,nanprod()을 사용하면nan을1취급한다.
np.prod(arr)- 출력
np.float64(nan)np.nanprod(arr)- 출력
np.float64(0.003440008292098186)3) diff()
- 각 행의 다음 요소와의 차를 계산한다.
arr[i+1]-arr[i]
np.diff(arr)- 출력
array([[-1.5454741 , -1.68286481],
[-0.60625886, nan],
[ 0.54469367, 0.27887023],
[-1.46202724, 2.61453361]])7️⃣ 통계 함수
1) mean(), nanmean()
- 평균값을 계산하며,
nan이 포함된 경우 통계연산 값은 항상0이 된다. 이때,nanmean()을 사용하면nan을 제외한다.
np.mean(arr)- 출력
np.float64(nan)np.nanmean(arr)- 출력
np.float64(0.05378266588490926)2) std(), nanstd()
- 표준편차를 계산하며,
nan이 포함된 경우 통계연산 값은 항상0이 된다. 이때,nanstd()을 사용하면nan을 제외한다.
np.std(arr)- 출력
np.float64(nan)np.nanstd(arr)- 출력
np.float64(1.0479228497374542)3) var(), nanvar()
- 분산을 계산하며,
nan이 포함된 경우 통계연산 값은 항상0이 된다. 이때,nanvar()을 사용하면nan을 제외한다.
np.var(arr)- 출력
np.float64(nan)np.nanvar(arr)- 출력
np.float64(1.098142299001867)4) max(), min(), nanmax(), nanmin()
- 최대값, 최소값을 반환하며,
nan이 포함된 경우 출력 값은 항상0이 된다. 이때,nanmax(),nanmin()을 사용하면nan을 제외하고 반환한다.
np.max(arr)- 출력
np.float64(nan)np.nanmax(arr)- 출력
np.float64(2.1112083026925186)axis=파라미터를 통해 행, 열 기준으로 최대/최소값을 출력할 수 있다.- 2행의 경우
nan값을 포함하여nan출력
- 2행의 경우
np.min(arr, axis=1)- 출력
array([-1.1171306 , nan, -0.86711409, -1.76728679])5) argmax(), argmin(), nanargmax(), nanargmin()
- 최대/최소값의 위치 인덱스를 반환한다.
nan이 포함되면max()min()값은nan이 되기에nan의 위치 인덱스를 반환하기에,nan을 제외하고자 하면nanargmax()nanargmin()을 사용한다.
arr = np.array([[ 2.1112083 , 0.56573421, -1.1171306 ],
[ 1.04822026, 0.44196139, nan],
[-0.86711409, -0.32242043, -0.04355019],
[-0.30525955, -1.76728679, 0.84724682]])np.argmax(arr)
np.nanargmax(arr)- 출력
np.int64(5)
np.int64(0)2차원 배열
arr2 = np.array([[ 4, 3, -4],
[ 0, 1, 5]])- 행 기준으로 행마다
max()값의 위치 인덱스를 반환한다. - 0행의 최대값은
4이며, 인덱스0을 반환하고, 1행의 최대값은5이며, 인덱스2를 반환하여array([0, 2])을 출력하게 된다.
np.argmax(arr2, axis=1)- 출력
array([0, 2])6) cumsum(), cumprod(), nancumsum(), nancumprod()
- 누적합/곱을 계산하며,
nan이 포함된 경우 통계연산 값은 항상0이 된다. 이때,nancumsum()nancumprod()을 사용하면nan을 제외한다. nan값 이후로 전부nan이 되는 모습이다.
np.cumsum(arr)- 출력
array([2.1112083 , 2.67694251, 1.55981191, 2.60803217, 3.04999356,
nan, nan, nan, nan, nan,
nan, nan])2차원 배열
np.cumsum(arr, axis=0)- 출력
array([[ 2.1112083 , 0.56573421, -1.1171306 ],
[ 3.15942856, 1.0076956 , nan],
[ 2.29231447, 0.68527517, nan],
[ 1.98705492, -1.08201162, nan]])📌 2개의 배열에 적용되는 함수
예시 배열
arr2 = np.array([[ 4, 3, -4],
[ 0, 1, 5]])
arr3 = np.array([[1, 2, 3],
[-5, -10, 4]]) 1️⃣ 사칙연산
- 2개의 배열에 대해 동일한 위치의 성분끼리 연산한다.
1) add()
- 성분의 합 계산
np.add(arr2, arr3)- 출력
array([[ 5, 5, -1],
[-5, -9, 9]])2) subtract()
- 성분의 차 계산
np.subtract(arr2, arr3)- 출력
array([[ 3, 1, -7],
[ 5, 11, 1]])3) multiply()
- 성분의 곱 계산
np.multiply(arr2, arr3)- 출력
array([[ 4, 6, -12],
[ 0, -10, 20]])4) divide()
- 성분의 나눗셈 계산
np.divide(arr2, arr3)- 출력
array([[ 4. , 1.5 , -1.33333333],
[-0. , -0.1 , 1.25 ]])2️⃣ maximum(), minimum()
- 최대/최소값 계산
np.maximum(arr2, arr3)- 출력
array([[4, 3, 3],
[0, 1, 5]])np.minimum(arr2, arr3)- 출력
array([[ 1, 2, -4],
[ -5, -10, 4]])