배열 연결(concatenate) numpy.concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind") 지정된 축을 따라 배열을 연결합니다.▪Parameters ‣ a1, a2, ... : 입력 배열, 특정 축을 기준으로 연결되며 배열들의 차원이 같아야 함 ‣ axis : 축 설정(선택 사항, 기본 값 : 0), "none"으로 설정되면 1차원 배열로 변환하여 연결 ‣ out : 결과를 저장할 배열(선택 사항, 기본 값 : 0), 일반적으로 사용하지 않으며 결과를 새로운 배열이 아닌 특정 배열에 저장하고 싶을 때 사용 ‣ dtype : 데이터 타입(기본 값 : None), 지정되지 않으면..
배열 분리(dsplit)numpy.dsplit(ary, indices_or_sections) Python split 함수 참조 배열다루기 | 배열 분리(Numpy.split)배열 분리(Split) numpy.split(ary, indices_or_sections, axis=0) 배열을 여러개의 하위 배열로 분리합니다. ▪Parameters ‣ ary : 입력 배열, ‣ indices_or_sections : 'Integer'인 경우, 축을 따라 동일한 N개의 배열로 분moonnote.tistory.com TIP 차이점은 dsplit은 axis=2에 대해 동등하게 배열을 분리(3D 배열 이상 사용 가능) ▪Parameters ‣ ary : 입력 배열, ‣ indices_or_sectio..
배열 분리(vsplit)numpy.vsplit(ary, indices_or_sections) Python split 함수 참조 배열다루기 | 배열 분리(Numpy.split)배열 분리(Split) numpy.split(ary, indices_or_sections, axis=0) 배열을 여러개의 하위 배열로 분리합니다. ▪Parameters ‣ ary : 입력 배열, ‣ indices_or_sections : 'Integer'인 경우, 축을 따라 동일한 N개의 배열로 분moonnote.tistory.com TIP 차이점은 vsplit은 axis=0에 대해 동등하게 배열을 분리(2D 배열 이상 사용 가능) ▪Parameters ‣ ary : 입력 배열, ‣ indices_or_sectio..
배열 분리(hsplit)numpy.hsplit(ary, indices_or_sections) Python split 함수 참조 배열다루기 | 배열 분리(Numpy.split)배열 분리(Split) numpy.split(ary, indices_or_sections, axis=0) 배열을 여러개의 하위 배열로 분리합니다. ▪Parameters ‣ ary : 입력 배열, ‣ indices_or_sections : 'Integer'인 경우, 축을 따라 동일한 N개의 배열로 분moonnote.tistory.com TIP 차이점은 hsplit은 axis=1에 대해 동등하게 배열을 분리,다만, 1D Array의 경우 axis=0을 기준으로 Split 수행 !! ▪Parameters ‣ ary : 입력 배열..
배열 분리(Array_split)numpy.array_split(ary, indices_or_sections, axis=0) Python split 함수 참조 배열다루기 | 배열 분리(Numpy.split)배열 분리(Split) numpy.split(ary, indices_or_sections, axis=0) 배열을 여러개의 하위 배열로 분리합니다. ▪Parameters ‣ ary : 입력 배열, ‣ indices_or_sections : 'Integer'인 경우, 축을 따라 동일한 N개의 배열로 분moonnote.tistory.com TIP 차이점은 indices_or_sections이 정수 입력만 가능하며 축을 균등하게 분리하지 않음 !! ▪Parameters ‣ ary : 입력 배열, ..
배열 분리(Split)numpy.split(ary, indices_or_sections, axis=0) 배열을 여러개의 하위 배열로 분리합니다.▪Parameters ‣ ary : 입력 배열, ‣ indices_or_sections : 'Integer'인 경우, 축을 따라 동일한 N개의 배열로 분리 '1D Array'인 경우, 축을 따라 지정된 구간을 기준으로 입력 배열을 분리 * 예시: [2, 3]으로 입력할 경우, ary[:2], ary[2:3], ary[3:] 로 분리 ‣ axis : 축 설정(optional) ‣ Returns : sub-arrays(list of ndarrays), 분리된 배열 반환 예제(E..
배열 차원 변경(Reshape Function)numpy.reshape(a, newshape, order='C') 배열의 차원을 변경합니다.▪Parameters ‣ a : 입력 배열, ‣ newshape : 변경할 차원 지정, *설명 ‣ order : 'C', 'F', 'A' 중 선택 사항, 'C' (C-like order): C 스타일의 인덱스 순서를 의미(예: 2차원 배열에서 행(row) 우선으로 요소에 접근) 'F' (Fortran-like order): Fortran 스타일의 인덱스 순서를 의미(예: 2차원 배열에서 열(col) 우선으로 요소에 접근) 'A' (Any order): 메모리에서 Fortran 형식으로 연속..
배열 차원 및 크기 반환(Shape Function)numpy.shape(a) 배열의 차원과 크기를 반환합니다.▪Parameters ‣ a : 입력 배열, ‣ Returns : Shape, 배열 크기 반환 예제(Example)import numpy as npa = np.array([1, 2, 3, 4, 5])shape = np.shape(a)print(shape) # Output: (5,) 더보기( 5 ) import numpy as npa = np.array([[1, 2, 3], [4, 5, 6]])shape = np.shape(a)print(shape) # Output: (2, 3) 더보기(2,3) import numpy as npa = np.array([[[1, 2], [..
조건적 출력(Extract Function)numpy.extract(condition, arr) 입력 배열에서 지정한 조건을 만족하는 원소만 출력합니다.▪Parameters ‣ condition : 조건적 불리언 배열, 조건 입력(TRUE/FALSE)으로 이루어진 1D Array ‣ arr : 입력 배열, ‣ Returns : ndarray, 조건을 만족하는 배열만 출력 예제(Example)import numpy as npa = [1,2,3,4,5]condition = [True, False, True, False, True]print('Result : ', np.extract(condition, a)) 더보기 Result : [1 3 5] import numpy as ..
조건적 출력(Compress Function) numpy.compress(condition, a, axis=None, out=None) 입력 배열에서 지정한 조건을 만족하는 원소만 출력합니다. ▪Parameters ‣ condition : 조건적 불리언 배열, 조건 입력(TRUE/FALSE)으로 이루어진 1D Array ‣ a : 입력 배열, ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ out : 출력 배열(선택 사항), ‣ Returns : ndarray, 조건을 만족하는 배열만 출력 예제(Example) import numpy as np a = [1,2,3,4,5] condition = [True, False, True, False, True] print('Result : ',..
양쪽 0값 제거(Trim_zeros Function) numpy.trim_zeros(filt, trim='fb') 배열 양 쪽 끝에 0값을 제거해줍니다.▪Parameters ‣ flit : 입력 배열, ‣ trim : 트림 조건, 앞에서 트림은 'f', 뒤에서 트림은 'b', 기본값은 'fb' ‣ trimmed : 출력 배열, 트림된 1D 배열 출력 예제(Example)import numpy as npa = [0, 0, 0, 1, 2, 3, 4, 0, 0, 0]print(np.trim_zeros(a, 'f')) 더보기 [1, 2, 3, 4, 0, 0, 0] import numpy as npa = [0, 0, 0, 1, 2, 3, 4, 0, 0, 0]print(np.t..
배열 중복 요소 제거 함수(Unique Function)numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None, *, equal_nan=True) 배열의 중복된 원소를 제거해 줍니다.▪Parameters ‣ ar : 입력 배열, ‣ return_index : 인덱스 반환(선택 사항), 중복 제거 배열(고유 배열)에 대한 index 정보 반환 ‣ return_inverse : 인덱스 반환(선택 사항), 입력 배열에 대한 index 정보 반환 ‣ return_counts : 중복 횟수 반환(선택 사항), 입력 배열에 대한 중복 횟수 정보 반환 ‣ axis : ..
배열 요소 삭제 함수(Delete Function)numpy.delete(arr, obj, axis=None) 지정한 Index의 요소를 삭제시켜주는 함수입니다.▪Parameters ‣ arr : 입력 배열, ‣ obj : 값 추가 전 인덱스를 지정하는 개체 삽입(slice or Index), ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ out : ndarray, 삭제된 배열 출력 값(axis 지정이 없다면 1D Array 형태로 출력) 예제(Example)import numpy as npa = np.arange(1, 10, 1)print('Initial np values : ', a)a = np.delete(a, 0)print('1st de..
배열 요소 삽입 함수(Insert Function)numpy.insert(arr, obj, values, axis=None) 지정한 index에 요소를 끼워 넣어주는 함수입니다.▪Parameters ‣ arr : 입력 배열, ‣ obj : 값 추가 전 인덱스를 지정하는 개체 삽입, ‣ values : 추가할 값, ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ out : ndarray, 추가된 배열 출력 값 (axis 지정이 없다면 1D Array 형태로 출력) 예제(Example)import numpy as npnp = []np.insert(0, 1)print('1st insert data : ', np)np.insert(0, 2)..
배열 요소 추가 함수(Append Function)numpy.append(arr, values, axis=None) 입력 배열 마지막에 요소를 추가해주는 함수입니다.▪Parameters ‣ arr : 입력 배열, ‣ values : 추가할 값, ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ append : ndarray, 추가된 배열 출력 값 (axis 지정이 없다면 1D Array 형태로 출력) 예제(Example)import numpy as npnp = []np.append(1)np.append(2)np.append(3)np.append(4)np.append(5)print(np) 더보기 [1, 2, 3, 4, 5] import numpy..
백분위수(qercentile)numpy.percentile(a, q, axis=None, out=None, overwrite_input=False, method='linear', keepdims=False, *, interpolation=None) 지정된 축을 따라 데이터의 q번째 백분위수를 계산합니다. ▪Parameters ‣ a : 입력 배열, 평균 값을 연산할 입력 배열 ‣ q : 입력 배열, 백분위수 입력(0~100 범위) ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ out : 출력(선택 사항), 기본값 = None으로 결과를 저장할 대체 출력 배열 ‣ overwrite_input : 입력 덮어쓰기(선택 사항), 기본값 = Fa..
최빈값(Unique Function)numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None, *, equal_nan=True) 입력 배열의 최빈값을 계산해줍니다.▪Parameters ‣ ar : 입력 배열, 최빈값 계산을 위한 입력 배역 ‣ return_index : 인덱스 반환(선택 사항), 입력 배열 요소의 인덱스 정보를 반환하는 출력 배열을 생성 ‣ return_inverse : 고유 배열 index 반환(선택 사항), original 입력 배열을 재구성할 때 쓰이는 인덱스 정보를 반환하는 출력 배열을 생성 ‣ return_counts : 카운트 반환(선택 사..
최소값 함수(amin Function)numpy.amin(a, axis=None, out=None, keepdims=, initial=, where=) 배열 요소의 최소 값을 반환합니다.▪Parameters ‣ a : 입력 배열, 평균 값을 연산할 입력 배열 ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ out : 출력(선택 사항), 기본값 = None으로 결과를 저장할 대체 출력 배열 ‣ keepdims : 차원 유지(선택 사항), Bool 값으로 설정하고 True일 경우출력에서의 차원을 입력과 동일하게 유지 ‣ initial : 초기 값(선택 사항), where 'False' 설정된 곳을 initial 값으로 변경 ‣ wher..
최대값 함수(amax Function)numpy.amax(a, axis=None, out=None, keepdims=, initial=, where=) 배열 요소의 최대 값을 반환합니다.▪Parameters ‣ a : 입력 배열, 평균 값을 연산할 입력 배열 ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ out : 출력(선택 사항), 기본값 = None으로 결과를 저장할 대체 출력 배열 ‣ keepdims : 차원 유지(선택 사항), Bool 값으로 설정하고 True일 경우출력에서의 차원을 입력과 동일하게 유지 ‣ initial : 초기 값(선택 사항), where 'False' 설정된 곳을 initial 값으로 변경 ‣ wher..
중앙값 함수(Median Function)numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False) 주어진 데이터의 중앙값(=중간값)을 반환합니다.▪Parameters ‣ a : 입력 배열, 평균 값을 연산할 입력 배열 ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ out : 출력(선택 사항), 기본값 = None으로 결과를 저장할 대체 출력 배열 ‣ overwrite_input : 입력 덮어쓰기(선택 사항), 기본값 = False로 불리언 값으로 설정 ‣ keepdims : 차원 유지, Bool 값으로 설정하고 True일 경우출력에서의 차원을 입력과 동일하게..
누적 합산 함수(Cumulative Sum Function)numpy.cumsum(a, axis=None, dtype=None, out=None) 주어진 축을 따라 요소의 누적 합계를 반환합니다.▪Parameters ‣ a : 입력 배열, 평균 값을 연산할 입력 배열 ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ dtype : 데이터형(선택 사항), 사용할 데이터형을 지정 ‣ out : 출력, 기본값 = None으로 결과를 저장할 대체 출력 배열 ‣ Return : cumsum_along_ndarray, out이 지정되지 않으면 새로운 배열 값 반환, 지정된 경우는 참조 값을 반환 (a와 형태 및 크기가 같음) 예제(Example)import..
합산 함수(Sum Function)numpy.sum(a, axis=None, dtype=None, out=None, keepdims=, initial=, where=) 지정된 축을 따라 배열 요소의 합을 구해줍니다.▪Parameters ‣ a : 입력 배열, 평균 값을 연산할 입력 배열 ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ dtype : 데이터형(선택 사항), 사용할 데이터형을 지정 ‣ out : 출력, 기본값 = None으로 결과를 배치할 대체 출력 배열 ‣ keepdims : 차원 유지, Bool 값으로 설정하고 True일 경우출력에서의 차원을 입력과 동일하게 유지 ‣ initial : 초기 값 설정, 합산 전 초기 값 ..
분산 함수(Varirance Function)numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=, *, where=) 지정된 축을 따라 배열 요소의 분산을 구해줍니다.▪Parameters ‣ a : 입력 배열, 평균 값을 연산할 입력 배열 ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ dtype : 데이터형(선택 사항), 사용할 데이터형을 지정 ‣ out : 출력, 기본값 = None으로 결과를 배치할 대체 출력 배열 ‣ ddof : 델타 자유도, 기본값=0로 분산 계산에 사용될 데이터셋의 개수 N 설정 ‣ keepdims : 차원 유지, Bool 값으로 설정하고 Tru..
표준 편차(Standard Deviation(STDEV) Function)numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=, *, where=) 입력된 배열의 표준 편차(Standard deviation)를 구해줍니다.▪Parameters ‣ a : 입력 배열, 평균 값을 연산할 입력 배열 ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ dtype : 데이터형(선택 사항), 사용할 데이터형을 지정 ‣ out : 출력, 기본값 = None으로 결과를 배치할 대체 출력 배열 ‣ ddof : 델타 자유도, 기본값=0로 표본표준편차 계산의 기본이 되는 분모를 지정 ..
평균 함수(Mean Function)numpy.mean(a, axis=None, dtype=None, out=None, keepdims=, *, where=) 지정된 축을 따라 배열의 평균을 구해줍니다.▪Parameters ‣ a : 입력 배열, 평균 값을 연산할 입력 배열 ‣ axis : 축 설정(선택 사항), 계산이 진행되는 축 설정 ‣ dtype : 데이터형(선택 사항), 사용할 데이터형을 지정 ‣ out : 출력, 기본값 = None으로 결과를 배치할 대체 출력 배열 ‣ keepdims : 차원 유지, Bool 값으로 설정하고 True일 경우출력에서의 차원을 입력과 동일하게 유지 ‣ where : 피연산자와 함께 브로드 캐스트되는 부울 배열을 ..
역수 함수(Reciprocal Function)numpy.reciprocal(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 입력 값에 대해서 역수(1/x) 기능을 수행합니다.▪Parameters ‣ x : 입력 배열, ‣ out : 출력 타입 설정(선택 사항), ndarray, None 또는 ndarray와 None의 튜플 ‣ where : 피연산자와 함께 브로드 캐스트되는 부울 배열을 승인, True 값은 해당 위치에서 ufunc를 계산, False 값은 출력만으로 값..
원소 곱 반환 함수(Prod Function)numpy.prod(a, axis=None, dtype=None, out=None, keepdims=, initial=, where=) 객체의 행 또는 열의 요소들을 곱한 값을 반환합니다. (product 메소드와 동일)▪Parameters ‣ a : 입력 배열, ndarray ‣ axis : 축 설정(선택 사항), Default=None으로 입력 배열 요소의 모든 값을 곱함 {0 : 열, 1 : 행} ‣ dtype : 데이터 타입 변환 설정(선택 사항), 자세한 사항은 numpy 사이트의 dtype 링크 참조 ‣ out : 출력 대체 배열(선택 사항), 결과를 배치할 대체 출력 배열로 예상 출력과 같은 형태여야하지만..
나머지 값 구하기 함수(Mod Function)numpy.mod(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 나누기 연산 후 나머지 값을 반환합니다. (연산자 '%'와 같은 역할) ▪Parameters ‣ x1, x2 : 추가할 배열, x1.shape != x2.shape의 경우 공통 shape(출력 shape가 됨)로 브로드캐스트할 수 있어야합니다. ‣ out : 출력 타입 설정(선택 사항), ndarray, None 또는 ndarray와 None의 튜플 ‣ where : 피연산자와 함께 브로드 캐스트되는 ..
나머지 값 구하기 함수(Remainder Function) numpy.remainder(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 나누기 연산 후 나머지 값을 반환합니다. (연산자 '%'와 같은 역할) ▪Parameters ‣ x1, x2 : 추가할 배열, x1.shape != x2.shape의 경우 공통 shape(출력 shape가 됨)로 브로드캐스트할 수 있어야합니다. ‣ out : 출력 타입 설정(선택 사항), ndarray, None 또는 ndarray와 None의 튜플 ‣ where : 피연산자와 ..
몫 구하기 함수(Floor divide function)numpy.floor_divide(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 입력을 나눈 값보다 작거나 같은 정수 중 가장 큰 값을 반환합니다. (연산자 '//'와 같은 역할) ▪Parameters ‣ x1, x2 : 추가할 배열, x1.shape != x2.shape의 경우 공통 shape(출력 shape가 됨)로 브로드캐스트할 수 있어야합니다. ‣ out : 출력 타입 설정(선택 사항), ndarray, None 또는 ndarray와 None의 튜플 ..