Numpy로 연산하기
- 벡터와 벡터
- 벡터의 같은 인덱스끼리 연산이 진행된다.
y = np.array([1, 3, 5])
z = np.array([2, 9, 20])
print(f'더하기: {y + z}')
print(f'빼기: {y-z}')
print(f'곱하기: {y*z}')
print(f'나누기: {y/z}')
- 벡터와 스칼라
x = np.array([1,2,3])
c = 5
print(f'더하기: {x + c}')
print(f'빼기: {x - c}')
print(f'곱하기: {x * c}')
print(f'나누기: {x / c}')
Array의 Indexing
- [행, 열]
W = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
print(W[0,0]) #1행 1열
print(W[2,3]) #3행 4열
Array의 Slicing
W = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
print(W[0:2,1:3]) # 행은 1~2행, 열은 2~3열
Array의 Broadcasting
- 기본적으로 같은 타입의 데이터에 대해서만 연산이 가능하다. 하지만 만약 피연산자가 연산 가능하도록 변환이 가능하다면 연산이 가능하다.
M x N, M x 1
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
x = np.array([0, 1, 0])
x = x[:,None]
print(a + x)
M x N, 1 x N
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
y = np.array([0, 1, -1])
print(a * y)
M x 1, 1 x N
t = np.array([[1], [2], [3]])
u = np.array([2, 0, -2])
print(t + u)
'프로그래머스 AI 데브코스 5기 > Data study' 카테고리의 다른 글
Matplotlib으로 데이터 시각화 하기 (0) | 2023.03.30 |
---|---|
Pandas 시작하기 (0) | 2023.03.29 |
Linear Algebra with Numpy (0) | 2023.03.27 |
시각화 결과로 요약하기 - seaborn (0) | 2023.03.23 |
jupyterlab 시작하기 (0) | 2023.03.20 |