딥러닝 학습을 위한 Numpy

 

 

행렬(배열 작성)

np.array()형태로 작성한다.

import numpy as np
a= [[1,2],[3,4]]
b=np.array(a)
print(b)
print(b.shape) #행렬의 차원
print(b[1,1]) #행렬의 특정 원소에 접근

 

특수한 배열 만들기

import numpy as np
print(np.zeros((3,2))) #영행렬
print('\n')

print(np.ones((2,4))) #유닛행렬
print('\n')

print(np.full((3,4),1)) #모든 원소가 1인 3*4행렬
print('\n')

print(np.eye(4)) #단위행렬

 

Numpy 슬라이싱과 인덱싱

배열[시작인덱스:끝인덱스-1 , 시작인덱스: 끝인덱스-1]

시작인덱스나 끝인덱스를 생략할 수 있음

-> 시작인덱스를 생략하면 인덱스 0 , 마지막 인덱스를 생략하면 열 또는 행에서 제일 마지막 인덱스를 가리킨다.

import numpy as np
lst = [
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12],
    [13, 14, 15, 16]
]
arr = np.array(lst)
a = arr[0:3, 0:3]
print(a)
print('\n')

b= arr[1:, 1:]
print(b)
print('\n')

c = arr[1:3, 1:2]
print(c)

 

Numpy의 연산

1. dot

예시1)

import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([[2,3],[6,5]])
print(np.dot(a,b))

 

 

예시2)

import numpy as np
a = np.array([[1,2,3],[5,4,6]])
b = np.array([[2,3],[6,5],[7,4]])
print(a.dot(b))

2. mean

import numpy as np
a = np.array([[1,2,3],[5,4,6]])
b = np.array([[2,3],[6,5],[7,4]])
mean = np.mean(a)
print(mean) #데이터의 평균값 구함

#결과 : 3.5

 

3. 그밖의 연산들

add()

substract()

multiply()

divide()

sum()

prod() -> 모든 원소의 곱

square()  ->제곱

sqrt() -> 제곱근