Numpy_01

1. np.any()

: 배열의 데이터 중 조건과 맞는 데이터가 있다면 True, 전혀 없다면 False 를 반환한다.

 

2. np.all()

: 배열의 데이터가 전부 조건과 맞으면 True, 하나라도 다르면 False를 반환한다.

 

3. np.where(조건, True일 때 출력값, False일 때 출력값)

: 배열의 데이터가 조건에 맞다면 True일 때의 출력값으로 맞지 않다면 False일 때의 출력값으로 반환한다.

 

4. np.isnan()

: 배열의 데이터에 nan이 존재하면 nan의 인덱스에 True, 아니라면 False를 반환한다.

 

5. np.allclose(배열1,배열2,equal_nan=True)

: 두 개의 배열을 비교하여 거의 동일한지 확인하여 주어진 허용 오차 범위 내에 있는지 확인하여 True, False로 반환한다.

 

6. np.zeros(shape,dtype,order)

: 0으로 채운 배열이 생성한다.

 

7. np.ones(shape,dtype,order)

: 1로 채운 배열이 생성한다.

 

8. np.full(shape,fill_value,dtype,order)

: 지정된 값을 갖는 배열을 생성한다.

 

(참고)

shape(행,열)

: 2차원의 "행"과"열"로 만든 배열의 모양을 지정.

fill_value

: 생성할 배열의 값 지정

dtype

: 배열의 자료형을 지정 (기본값 : None)

order

: 배열의 메모리 저장 순서를 지정.

: "C" = 배열의 마지막 차원을 가장 먼저 변경 (일반적으로 사용함)

: "F" = 배열의 첫 번째 차원을 가장 먼저 변경

 

9. np.arange(시작위치(생략 시 '0'으로 시작), 도착위치(포함X), step size(생략시 1))

: 특정 수열을 만들 때 사용

 

10. np.reshape(변경할 배열, 차원) == 배열.reshape(차원)

: 현재의 배열을 변경하여 행렬을 반환한다.

:"-1"의 의미 = 원래 배열의 길이와 남은 차원으로 부터의 추정

ex) reshape(-1,정수) : 행의 위치에 '-1'이 있고 열의 값을 '정수'로 지정해준다면 변경될 배열의 행의 수는 자동으로 지정된다.

ex) reshape(정수,-1) : 열의 위치에 '-1'이 있고 행의 값을 '정수'로 지정해준다면 변경될 배열의 열의 수는 자동으로 지정된다.

ex) reshape(-1) : -1 만 있다면 1차원 배열을 반환한다.

 

10. np.eye(N=행의 수, M=열의 수, k=(대각행렬이 값을 가지기 시작하는 위치))

: (행X열)크기의 2차원 행렬을 만들어 주는 함수이고 k에 따라 값의 시작 위치가 달라진다.

 

11. np.random.randint(시작, n-1)

: 정수 난수 생성

 : 주어진 범위 안의 정수를 무작위로 생성한다.

 

12. np.random.randn(행,열)

 : 표준정규분포표에서 임의의 수를 추출하여 N차원 배열로 생성한다.

cf) 표준정규분포표 : 모평균과 표준편차가 각각 0과 1로 된 분포로 정규분포를 표준화하여 만들어진다.

 

13. np.random.rand(행,열)

 : [0,1)의 범위에서 균등하게 추출하여 N차원 배열을 생성한다.

 

14. np.random.normal(정규분포의 평균, 정규분포의 표준편차, (행,열))

 : 정규분포에서 임의의 수를 추출하여 N차원 배열을 생성한다.

: loc = 정규분포의 평균

: scale = 정규분포의 표준편차

ex) np.random.normal(0,1,10) : 모평균 = 0, 표준편차 = 1 인 정규분포에서 10개의 수를 추출하여 1차원 배열을 생성해라.

 

15. np.random.seed(씨드)

 : 씨드를 특정 숫자로 지정을 하면 난수 추출 시 고정된 값들이 출력된다.

 

Data Science Challenge_01.ipynb

0.01MB