[Numpy] numpy 기본 함수

numpy에서 자주 사용되는 함수들

import numpy as np

numpy documentation

• numpy 공식 문서 링크
• numpy에서 제공되는 함수등에 대한 문서

연산 함수

• add, substract, multiply, divide

x = np.arange(9).reshape(3, 3)
y = np.random.rand(9).reshape(3, 3)
print(x)
print(y)

[[0 1 2]
 [3 4 5]
 [6 7 8]]
[[0.21438346 0.73318512 0.10849893]
 [0.38730067 0.42093761 0.51194177]
 [0.24827118 0.6062043  0.29472661]]

np.add(x, y)

array([[0.21438346, 1.73318512, 2.10849893],
       [3.38730067, 4.42093761, 5.51194177],
       [6.24827118, 7.6062043 , 8.29472661]])

x + y

array([[0.21438346, 1.73318512, 2.10849893],
       [3.38730067, 4.42093761, 5.51194177],
       [6.24827118, 7.6062043 , 8.29472661]])

x - y

array([[-0.21438346,  0.26681488,  1.89150107],
       [ 2.61269933,  3.57906239,  4.48805823],
       [ 5.75172882,  6.3937957 ,  7.70527339]])

x*y

array([[0.        , 0.73318512, 0.21699786],
       [1.161902  , 1.68375042, 2.55970885],
       [1.48962707, 4.24343013, 2.35781292]])

x/y

array([[ 0.        ,  1.36391202, 18.43336174],
       [ 7.74592008,  9.50259597,  9.76673578],
       [24.16712258, 11.54726213, 27.14379904]])

통계 함수

• 평균, 분산, 중앙, 최대, 최소값 등등 통계 관련된 함수가 내장

print(x)

[[0 1 2]
 [3 4 5]
 [6 7 8]]

np.mean(x)

4.0

np.max(x)

8

np.argmax(x)    #flatten 한 산태로 가정을 하고 max의 인덱스를 반환

8

집계함수

• 합계(sum), 누적합계(cumsum) 등등 계산 가능

print(x)

[[0 1 2]
 [3 4 5]
 [6 7 8]]

np.sum(x)

105

np.cumsum(x)

array([  0,   1,   3,   6,  10,  15,  21,  28,  36,  45,  55,  66,  78,
        91, 105], dtype=int32)

any, all 함수

• any: 특정 조건을 만족하는 것이 하나라도 있으면 True, 아니면 False
• all: 모든 원소가 특정 조건을 만족한다면 True, 아니면 False
• 기본적인 python으 loop를 빠르게 해결해줄 수 있다.

z = np.random.randn(11)
print(z)

[ 0.25235722 -0.42470051  2.38964772 -0.70211327  0.16246332  3.13480136
  0.11320994 -0.34425512  1.19982835 -0.88760342  0.58338605]

z > 0

array([ True, False,  True, False,  True,  True,  True, False,  True,
       False,  True])

np.any(z > 0)

True

np.all(z > 0)

False

where 함수

• 조건에 따라 선별적으로 값을 선택 가능
• 사용 예) 음수인경우는 0, 나머지는 그대로 값을 쓰는 경우
• 기본적인 python으 loop를 빠르게 해결해줄 수 있다.

v = np.random.randn(10)
print(v)

[-1.15489028  1.67851178  1.87890075  0.82689579  0.86246674 -0.20224624
 -0.35316475  0.41024593 -0.59448554  0.47888509]

np.where(z > 0, z, 0)    #(조건, 참인경우, 거짓인경우)

array([0.25235722, 0.        , 2.38964772, 0.        , 0.16246332,
       3.13480136, 0.11320994, 0.        , 1.19982835, 0.        ,
       0.58338605])