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 분 moonnote.tistory.com TIP 차이점은 dsplit은 axis=2에 대해 동등하게 배열을 분리(3D 배열 이상 사용 가능) ▪Parameters ‣ ary : 입력 배열, ‣ indices_or_sections : 정수 ..
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 분 moonnote.tistory.com TIP 차이점은 vsplit은 axis=0에 대해 동등하게 배열을 분리(2D 배열 이상 사용 가능) ▪Parameters ‣ ary : 입력 배열, ‣ indices_or_sections : 정수 ..
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 분 moonnote.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 분 moonnote.tistory.com TIP 차이점은 indices_or_sections이 정수 입력만 가능하며 축을 균등하게 분리하지 않음 !! ▪Parameters ‣ ary : 입력 배열, ‣ in..
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(Example) import numpy as np x = np.arange(9.0) out..
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 연속적으로 저장되어 있다면 Fortran 스타일의 인덱스 순서를, 아닐 경우 C..
배열 차원 및 크기 반환(Shape Function) numpy.shape(a)[source] 배열의 차원과 크기를 반환합니다. ▪Parameters ‣ a : 입력 배열, ‣ Returns : Shape, 배열 크기 반환 예제(Example) import numpy as np a = np.array([1, 2, 3, 4, 5]) shape = np.shape(a) print(shape) # Output: (5,) Result (5) import numpy as np a = np.array([[1, 2, 3], [4, 5, 6]]) shape = np.shape(a) print(shape) # Output: (2, 3) Result (2,3) import numpy as np a = np.array([[..
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 np a = [1,2,3,4,5] condition = [True, False, True, False, True] print('Result : ', np.extract(condition, a)) Result Result : [1 3 5] import numpy as np a = [[1..
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 np a = [0, 0, 0, 1, 2, 3, 4, 0, 0, 0] print(np.trim_zeros(a, 'f')) Result [1, 2, 3, 4, 0, 0, 0] import numpy as np a = [0, 0, 0, 1, 2, 3, 4, 0, 0, 0] print(np.trim_zeros(a,..
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 : 축 설정(선택 사항), 계산이 진행되는 축..
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 np a = np.arange(1, 10, 1) print('Initial np values : ', a) a = np.delete(a, 0) print('1st delete data : ', ..
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 np np = [] np.insert(0, 1) print('1st insert data : ', np) np.insert(0, 2) print('2nd insert dat..
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 np np = [] np.append(1) np.append(2) np.append(3) np.append(4) np.append(5) print(np) Result [1, 2, 3, 4, 5] import numpy as np np =..
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 = False로 불리언 값으로 설정 ‣ method ..
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 사항), 입력 배열 요소들의 카운터..
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 ‣ where : 부울 배열을 승인(선택 사항), amax 계..
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 ‣ where : 부울 배열을 승인(선택 사항), amax 계..
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 유지 ‣ median : ndarray, 결..
누적 합산 함수(Cumulative Sum Function) numpy.cumsum(a, axis=None, dtype=None, out=None)[source] 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 numpy as np..
합산 함수(Sum Function) numpy.sum(a, axis=None, dtype=None, out=None, keepdims=, initial=, where=)[source] 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 설정 ‣ where : 피연산자와..
분산 함수(Varirance Function) numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=, *, where=)[source] 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 True일 경우출력에서의 차원을 입력과 ..
표준 편차(Standard Deviation(STDEV) Function) numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=, *, where=)[source] 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 ※ ddof=0일 경우 자유도가 n이므로 '모표..
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 승인, True 값은 해당 위치에서 ufunc를 계..
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 값을 유지 (스칼라가 아닌 입력을 사용하므로 일반 인수에는이 인수를 사용할 수 없음) ..
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 필요시 값이 캐스팅되기도 함 ‣ kee..
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 부울 배열을 승인, True 값은 해..
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 함께 브로드 캐스트되는 부울 배열을 승..
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 ‣ where : 피연산자와 함께 ..
나누기 함수(True divide function) numpy.true_divide(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 입력 값들끼리 나누기 기능 수행합니다 (연산자 '/'와 같은 기능) ▪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 부울 배열을 승인, T..