일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- Excel
- gas
- math
- django
- matplotlib
- PySpark
- Redshift
- hive
- Tkinter
- GIT
- Google Spreadsheet
- list
- Python
- google apps script
- Github
- numpy
- c#
- Google Excel
- SQL
- string
- array
- PANDAS
- Apache
- PostgreSQL
- Kotlin
- Mac
- Java
- 파이썬
- dataframe
- Today
- Total
목록numpy (37)
달나라 노트
numpy는 행렬과 관련된 기능들을 제공합니다. 그 중에서 전치 행렬에 대해 알아봅시다. 위 이미지를 보시면 화살표 왼쪽에 있는 행렬과 오른쪽에 있는 행렬은 서로 전치 행렬 관계입니다. 왼쪽 행렬의 전치 행렬은 오른쪽 행렬이며, 오른쪽 행렬의 전치 행렬은 왼쪽 행렬입니다. 전치 행렬을 만드는법은 간단합니다. 행렬에 있는 모든 요소의 행, 열 위치를 반전시키면 됩니다. 왼쪽 행렬의 각 요소별 위치를 나타내보면 아래와 같습니다. 1 = 1행 1열 = (1, 1) 2 = 1행 2열 = (1, 2) 3 = 2행 1열 = (2, 1) 4 = 2행 2열 = (2, 2) 각 요소의 행, 열 위치를 모두 반전시켜보면 아래와 같습니다. 1 = 1행 1열 = (1, 1) 2 = 2행 1열 = (2, 1) 3 = 1행 2열..
numpy에서 array를 이용하면 아래와 같은 행렬을 만들 수 있습니다. 다음은 여러 모양의 2차원 행렬을 실제로 만들어보는 예시입니다. import numpy as np test_array = np.array( [ [1, 2], [3, 4] ] ) print(test_array) -- Result [[1 2] [3 4]] 2행 2열 (2, 2) 의 행렬입니다. 행렬은 기본적으로 가로줄(행), 세로줄(열)을 가진 2차원 데이터이기 때문에 2차원 array로 만들어야 합니다. import numpy as np test_array = np.array( [ [1] ] ) print(test_array) -- Result [[1]] 1행 1열 (1, 1) 의 행렬입니다. 1행 1열의 행렬은 위처럼 딱 하나의 ..
먼저 python의 numpy library에서는 반올림 함수로 round 가 있습니다. numpy.round(number, digit) number --> 반올림을 적용할 숫자입니다. digit --> 반올림 하여 얻은 결과에 소수점 자리수가 몇개나 있을지에 대한 숫자입니다. 이것의 의미는 아래 예시에서 보겠습니다. import numpy as np print(np.round(1738.7926)) # 1 --> 1739.0 print(np.round(1738.7926, 0)) # 2 --> 1739.0 print(np.round(1738.7926, 1)) # 3 --> 1739.8 print(np.round(1738.7926, 2)) # 4 --> 1739.79 print(np.round(1738.79..
numpy의 argmax는 주어진 array에서 가장 큰 값을 찾고 이 값의 index를 return합니다. import numpy as np arr_test = np.array([2, 3, 1, 6, 3, 8, 2, 6]) index_of_max_value = np.argmax(arr_test) print(index_of_max_value) -- Result 5 arr_test에 있는 요소 중 가장 큰 값은 8입니다. arr_test에서 8이라는 값에 대한 index는 5입니다. 따라서 argmax는 5를 return합니다. import numpy as np arr_test = np.array([2, 3, 1, 6, 3, 8, 2, 6]) index_of_min_value = np.argmin(arr_..