Numpy - 행렬연산

Numpy를 처음 접햇을때 리스트를 사용하면되지 굳이? 라는 잠깐의 의문을 가졌으나¶

배열 연산은 정말로 까다롭고 구현하기 귀찮아서 Numpy가 정말 좋다는걸 느낄수 있엇다. ㅎㅎㅎ¶

In [26]:

from IPython.core.display import display, HTML

display(HTML("<style>.container { width:90% !important; }</style>"))

#창 맞추기위함

NUMPY¶

In [8]:

import numpy as np

x = np.array([1.0, 2.0, 3.0])

In [3]:

print(x)

[1. 2. 3.]

In [4]:

type(x)

Out[4]:

numpy.ndarray

별차이가 없어보인다¶

In [5]:

a=[1,2,3]
b=[2,3,4]

In [6]:

a+b

Out[6]:

[1, 2, 3, 2, 3, 4]

In [7]:

y=np.array([2,4,6])
x+y

Out[7]:

array([3., 6., 9.])

연산이 되지않고 numpy로 만 계산이 가능하다 그래서 쓴다.¶

브로드 캐스트 - 다른 차원과의 연산¶

In [12]:

A = np.array([[1,2],[3,4]])
B = np.array([10,20])
A*B

Out[12]:

array([[10, 40],
       [30, 80]])

In [13]:

A+10

Out[13]:

array([[11, 12],
       [13, 14]])

원소 접근¶

In [15]:

X = np.array([[12,13],[21,22],[31,32]])

In [16]:

X[0]

Out[16]:

array([12, 13])

In [17]:

X[0][0]

Out[17]:

12

In [18]:

for i in X:
    print(i)

[12 13]
[21 22]
[31 32]

In [19]:

X= X.flatten() # X를 1차원 배열로 변환

In [20]:

print(X)

[12 13 21 22 31 32]

In [22]:

X[np.array([0,2,4])] #인덱스로 접근

Out[22]:

array([12, 21, 31])

In [23]:

X>21 #조건을 부여

Out[23]:

array([False, False, False,  True,  True,  True])

In [24]:

X[X>21] #조건에 맞는 원소 출력

Out[24]:

array([22, 31, 32])

코딩테스트때 사용되면 엄청 편리할것같긴한데 못쓰게 할것같긴하다.¶