함수 | 의미 |
np.sum() | 지정된 축을 따라 배열 요소의 합을 계산. |
np.mean() | 지정된 축을 따라 배열 요소의 산술 평균을 계산. 가중평균을 구하려면 numpy.average를 사용 |
np.cumsum() | 제일 첫번째 요소에서 각 요소의 누적합을 계산 |
np.cumprod() | 제일 첫번째 요소에서 각 요소의 누적곱을 계산 |
np.amax() / np.amin() | axis 을 따른 배열 또는 최소의 최소치 |
np.max() / np.min() | np.amax의 별칭 (하나의 배열에서만 동작 --> 스칼라 값 반환) axis를 이용하면 배열의 축에 따라 최대값(최소값을 찾는다.) |
np.std() / np.var() | 지정된 축을 따라 배열 요소의 표준편차, 분산을 계산. |
np.maximum() | 두 개의 배열을 가져와 요소별 최대값 계산. broadcast 될 수 있다. |
함수 | 의미 |
np.argmax() / np.argmin() | 배열의 데이터 중 제일 큰 값 위치 정보 배열의 데이터 중 제일 작은 값 위치 정보 |
np.where(조건) | 주어진 조건 에 따라 값의 위치 정보 반환 np.where(조건) np.where(조건, 조건에 맞을 때 값, 조건과 다를 때 값) |
함수 | 의미 |
단순 비교 | 연산자를 이용하여 element별 비교하는 것으로 python의 비교연산자를 이용한다. ==, !=, >, >=, <, <= |
all(), any() | all() : 요소 전체가 같아야 하나의 True any() : 요소 전체 중 하나만 같아도 True |
함수 | 의미 |
logical_and() logical_or() logical_not() logical_xor() |
둘 이상의 bool 값을 이용해 연산을 할 때 사용 결과는 True, False로 반환 |
함수 | 의미 |
* | 형태(shape)가 동일한 두 행렬을 원소끼리(element-wise) 곱하는 연산자 shape이 다르면 오류발생 교환법칙 가능 |
@ | 다차원 Array를 1차원으로 변경 |
np.dot() | 두 배열의 내적 (dot product)을 계산 배열 a, b를 dot()로 연산을 할 경우 ①a와 b가 모두 0차원 (scalar)이라면, 일반적인 곱셈 연산과 동일. 이 때는 numpy.multiply(a, b)나 a*b를 권장
②a와 b가 모두 1차원 배열이면 두 벡터의 내적 (Dot product) 연산
③a와 b가 모두 2차원 배열이면, 행렬 곱(Matrix multiplication) 연산. 이때는 numpy.matmul()을 권장
|
np.matmul() | 두 배열의 행렬 곱 (matrix product)을 계산 |
np.transpose() | 전치행렬(transpose matrix)을 반환 |
08. Indexing / Slicing (0) | 2023.11.08 |
---|---|
06. 배열의 연산-1 (0) | 2023.11.07 |
05. 배열 생성-2 (0) | 2023.11.06 |
댓글 영역