Numpy(Numerical computing with Python) #

수치연산과 벡터 연산에 있어서 강한 이점을 가진 라이브러리

np.array #

• 최초 선언 후 사이즈 변경이 불가능
• 모든 원소의 데이터 타입이 동일해야한다 (homogeneous array)

Mixed Precision #

numpy는 아래와 같이 다양한 데이터 타입을 가지고 있다.
np.int[8~64]
np.uint[8~64]

Mixed Precision은 32비트(고용량)에서 메모리가 너무 사용될때 비트수를 내려서 메모리 부담과 속도를 관리하는 방법

np.arange(<num>) #

0~-1 의 array 생성

<np.array>.shape #

<np.array>의 형태를 확인

<np.array>.reshape(x, y) #

<np.array>의 형태를 (x, y)로 변경

• (x, ) 1차원 x개원소
• (x,1) 2차원 x개원소
• (-1, ) 1차원 원소 전부

<np.array> 연산 #

연산은 벡터 연산으로 실행됨

np.concatenate([<np.array>, <np.array>])

• +
• -
• @(dot product)

하지만 아래의 연산은 원소들 끼리 연산이됨

• *
• /

또다른 방법으로 연산을 붙이기 연산으로 사용하려면

• np.concatenate([<np.array>, <np.array>], axis=<axis>)
  해당 차원(<axis>)의 붙이기만 가능

• np.vstack([<np.array>, <np.array>])
  수직적인 붙이기(axis=1)

• np.hstack([<np.array>, <np.array>])
  수평적인 붙이기(axis=0)

broadcast #

차원이 다른 array의 연산을 할 수있는데 첫번째 차원이라도 원소의 크기가 같아야한다

universal Function #

broadcast의 확장적인 의미의 함수
1 / <np.array>는 각각의 원소가 1로 나뉘어진 array가 나옴

numpy indexing #

python indexing과 같은 방법을 사용가능하며,
<np.array>[x, y]로 <np.array>[x][y]를 표현 가능하다.

Math Function #

np.random.seed(0) #

랜덤 생성함수의 시드 고정(테스트 결과 비교할때 좋음)

np.random.rand(<dimen>) #

<dimen>에는 차원의 shape을 입력 e.x.(1,3)
0~1로 이루어진 지정 차원의 랜덤 array 생성

np.random.randn(<dimen>) #

<dimen>에는 차원의 shape을 입력 e.x.(1,3)
평균 0, 표준편차 1로 이루어진 지정 차원의 랜덤 array 생성

np.abs(<np.array>) #

절대값 생성

np.squre(<np.array>) #

제곱값 생성

np.sqrt(<np.array>) #

루트값 생성

np.abs(<np.array>) #

절대값 생성

np.linalg.norm(<np.array>) #

<np.array> 제곱합의 루트값 생성 (L2 norm)

np.linalg.eig(<np.array>) #

<np.array> eigenvalue(고유값)와 eigenvector(고유 벡터)값을 생성

np.sum(<np.array>, axis=) #

<np.array>의 차원에 따른 합

np.mean(<np.array>, axis=) #

<np.array>의 차원에 따른 평균

np.std(<np.array>, axis=) #

<np.array>의 차원에 따른 표준편차

np.min(<np.array>, axis=) #

<np.array>의 차원에 따른 최소값

np.max(<np.array>, axis=) #

<np.array>의 차원에 따른 최대값

np.argmin(<np.array>, axis=) #

<np.array>의 차원에 따른 최소값의 인덱스

np.argmax(<np.array>, axis=) #

<np.array>의 차원에 따른 최대값의 인덱스

np.sort(<np.array>, axis=) #

<np.array>의 차원에 따른 정렬(오름차순)
np.sort(<np.array>, axis=)[::-1](내림차순)

np.argsort(<np.array>, axis=) #

<np.array>의 차원에 따른 정렬한 값의 인덱스