[Python][Numpy] 배열 연산(Array operations)
nparray의 연산에 대해서 알아보겠습니다.
mathematical function 메뉴에는 다양한 수학 관련 numpy 함수가 제공 되고 있으니 참고 바랍니다.
API 참조
numpy operations
브로드캐스팅
nparray를 연산 하는 과정에서 부족한 배열 부분을 이전 배열의 패턴으로 채워서 연산되는 형태를 말합니다.
a1 = np.array([1,2,3])
print(a1) # [1 2 3]
print(a1+5) # [6 7 8]
a2 = np.arange(1,10).reshape(3,3)
print(a2)
# [[1 2 3]
# [4 5 6]
# [7 8 9]]
# 빈값은 브로드캐스팅 되어 채워진 채로 더해짐
print( a2 + a1 )
# [[ 2 4 6]
# [ 5 7 9]
# [ 8 10 12]]
b2 = np.array([1,2,3]).reshape(3,1)
print(a1)
# [1 2 3]
print(b2)
# [[1]
# [2]
# [3]]
print(a1+b2)
# [[2 3 4]
# [3 4 5]
# [4 5 6]]
사칙연산
a1 = np.arange(1, 10)
print(a1)
b1 = np.random.randint(1,10, size=9)
print(b1)
# [1 2 3 4 5 6 7 8 9] al
# [3 9 6 5 6 9 2 9 6] b1 램덤값
print(a1 + b1) # [ 4 11 9 9 11 15 9 17 15]
print(a1 - b1) # [-2 -7 -3 -1 -1 -3 5 -1 3]
print(a1 * b1) # [ 3 18 18 20 30 54 14 72 54]
print(a1 / b1) # [0.33333333 0.22222222 0.5 0.8 0.83333333 0.66666667 3.5 0.88888889 1.5 ]
print(a1 // b1) # [0 0 0 0 0 0 3 0 1]
print(a1 ** b1) # [ 1 512 729 1024 15625 10077696 49 134217728 531441]
print(a1 % b1) # [1 2 3 4 5 6 1 8 3]
numpy.add
numpy.add(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
nparray를 더하는 기능을 제공합니다.
API 참조
a1 = np.arange(1,10)
print(a1)
print(a1+10)
print(np.add(a1, 10))
# [1 2 3 4 5 6 7 8 9]
# [11 12 13 14 15 16 17 18 19]
# [11 12 13 14 15 16 17 18 19]
numpy.subtract
numpy.subtract(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
nparray를 빼는 기능을 제공합니다.
API 참조
print(a1)
print(a1-2)
print(np.subtract(a1, 2))
# [1 2 3 4 5 6 7 8 9]
# [-1 0 1 2 3 4 5 6 7]
# [-1 0 1 2 3 4 5 6 7]
numpy.negative
numpy.negative(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
nparray를 부호를 반전 기능을 제공합니다.
API 참조
print(a1)
print(-a1)
print(np.negative(a1))
# [1 2 3 4 5 6 7 8 9]
# [-1 -2 -3 -4 -5 -6 -7 -8 -9]
# [-1 -2 -3 -4 -5 -6 -7 -8 -9]
numpy.multiply
numpy.multiply(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
nparray를 곱하는 기능을 제공합니다.
API 참조
print(a1)
print(a1*2)
print(np.multiply(a1,2))
# [1 2 3 4 5 6 7 8 9]
# [ 2 4 6 8 10 12 14 16 18]
# [ 2 4 6 8 10 12 14 16 18]
numpy.divide
numpy.divide(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
nparray를 나누는 기능을 제공합니다.
API 참조
print(a1)
print(a1/2)
print(np.divide(a1,2))
# [1 2 3 4 5 6 7 8 9]
# [0.5 1. 1.5 2. 2.5 3. 3.5 4. 4.5]
# [0.5 1. 1.5 2. 2.5 3. 3.5 4. 4.5]
numpy.floor_divide
numpy.floor_divide(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
nparray를 나누기 값의 소수부만 제공하는 기능을 제공합니다.(버림)
API 참조
print(a1//2)
print(np.floor_divide(a1,2))
# [0 1 1 2 2 3 3 4 4]
# [0 1 1 2 2 3 3 4 4]
numpy.mod
numpy.mod(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
nparray를 나머지 값을 제공합니다.
API 참조
print(a1)
print(a1 % 2)
print(np.mod(a1,2))
# [1 2 3 4 5 6 7 8 9]
# [1 0 1 0 1 0 1 0 1]
# [1 0 1 0 1 0 1 0 1]
numpy.absolute, np.abs
numpy.absolute(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
np.abs is a shorthand for this function.
nparray를 절대값을 제공합니다.
API 참조
x = np.array([-1.2, 1.2])
np.absolute(x)
# array([ 1.2, 1.2])
numpy.square
numpy.square(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
nparray를 제곱값을 제공합니다.
API 참조
print(a1)
print(np.square(a1))
# [1 2 3 4 5 6 7 8 9]
# [ 1 4 9 16 25 36 49 64 81]
numpy.sqrt
numpy.sqrt(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
루트 값을 제공 합니다.
API 참조
a2 = np.array([4,9,25,36,10])
print(a2)
print(np.sqrt(a2))
# [ 4 9 25 36 10]
# [2. 3. 5. 6. 3.16227766]
numpy.exp
numpy.exp(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
밑이 자연상수 e인 지수함수(e^x)의 그래프 값을 제공 합니다.
API 참조
print(np.exp(0)) # e^0 와 동일
# 1.0
print(np.exp(1)) # e^1 와 동일
# 2.718281828459045
print(np.exp(10)) # e^10 와 동일
# 22026.465794806718
x = np.array([-1, -0.5, 0, 1 , 1.5, 5, 10])
print(np.exp(x))
#[3.67879441e-01 6.06530660e-01 1.00000000e+00 2.71828183e+00 4.48168907e+00 1.48413159e+02 2.20264658e+04]
numpy.sum
numpy.sum(a, axis=None, dtype=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
nparray의 합산된 값을 제공 합니다.
API 참조
a2 = np.random.randint(1,10, size=(3,3))
print(a2)
# [[7 9 7]
# [5 6 2]
# [3 3 8]]
print(a2.sum(), np.sum(a2)) #전체 item을 합
# 50 50
print(a2.sum(axis=0), np.sum(a2, axis=0))
#[15 18 17] [15 18 17]
print(a2.sum(axis=1), np.sum(a2, axis=1))
#[23 13 14] [23 13 14]
numpy.cumsum
numpy.cumsum(a, axis=None, dtype=None, out=None)
nparray의 누적 합산된 값을 제공 합니다.
API 참조
print(a2)
# [[7 9 7]
# [5 6 2]
# [3 3 8]]
print(np.cumsum(a2)) #누적합을 제공함
# [ 7 16 23 28 34 36 39 42 50]
print(np.cumsum(a2, axis=0)) # 행방향의 누적된 합으로 naddray변경됨
# [[ 7 9 7]
# [12 15 9]
# [15 18 17]]
print(np.cumsum(a2, axis=1)) # 열 방향의 누적된 합으로 naddray변경됨
# [[ 7 16 23]
# [ 5 11 13]
# [ 3 6 14]]
numpy.diff
numpy.diff(a, n=1, axis=-1, prepend=<no value>, append=<no value>)
naddray의 정해진 축의 방향으로 이전 값과의 차이 값을 제공 합니다.
API 참조
print(a2)
# [[7 9 7]
# [5 6 2]
# [3 3 8]]
print(np.diff(a2)) # 기본 axis=1 값과 동일
# [[ 2 -2]
# [ 1 -4]
# [ 0 5]]
print(np.diff(a2, axis=0))
# [[-2 -3 -5]
# [-2 -3 6]]
print(np.diff(a2, axis=1))
# [[ 2 -2]
# [ 1 -4]
# [ 0 5]]
numpy.any
numpy.any(a, axis=None, out=None, keepdims=<no value>, *, where=<no value>)
ndarray 항목중 True 값이 1개 이상 존재한다면 True (or조건) 제공 합니다.
API 참조
a2 = np.array([
[False,False,False],
[False,True,True],
[False,False,False]
])
print(a2)
# [[False False False]
# [False True True]
# [False False False]]
print(np.any(a2)) # 항목중에 하나라도 True 면 True 임 OR
# True (전체중에 True가 한개 이상 있으므로 True반환)
print(np.any(a2, axis=0)) #열단위
# [False True True]
print(np.any(a2, axis=1)) #행단위
# [False True False]
numpy.all
numpy.all(a, axis=None, out=None, keepdims=<no value>, *, where=<no value>)
ndarray 항목 모두 True 값이이라면 True (and조건) 제공 합니다.
API 참조
print(a2)
# [[False False False]
# [False True True]
# [False False False]]
print(np.all(a2)) # 전체가 True여야 True임 AND
# False
print(np.all(a2, axis=0))
# [False False False]
print(np.all(a2, axis=1))
# [False False False]
numpy.sort
numpy.sort(a, axis=- 1, kind=None, order=None)
ndarray의 정렬을 제공 합니다.
API 참조
a1 = np.random.randint(1, 10, size=10)
print(a1)
# [2 2 2 9 2 6 5 7 5 9]
print(np.sort(a1))
# [2 2 2 2 5 5 6 7 9 9]
a = np.array([[1,4],[3,1]])
np.sort(a) # sort along the last axis
# array([[1, 4],
# [1, 3]])
np.sort(a, axis=None) # sort the flattened array
# array([1, 1, 3, 4])
np.sort(a, axis=0) # sort along the first axis
# array([[1, 1],
# [3, 4]])
numpy.argosrt
numpy.argsort(a, axis=- 1, kind=None, order=None)
ndarray의 정렬 index 값을 제공 합니다.
API 참조
print(a1)
# [2 2 2 9 2 6 5 7 5 9]
print(np.argsort(a1))#정렬의 index순서
# [0 1 2 4 6 8 5 7 3 9]
그밖에 배열 연산 팁
조건을 통한 배열의 필터링하여 재생성할 수도 있습니다.
a1 = np.arange(1,10)
print(a1)
print(a1 == 5)
print(a1 != 5)
print(a1 > 5)
print(a1 <= 5)
# [1 2 3 4 5 6 7 8 9]
# [False False False False True False False False False]
# [ True True True True False True True True True]
# [False False False False False True True True True]
# [ True True True True True False False False False]
a2 = np.arange(1,10).reshape(3,3)
print(a2)
# [[1 2 3]
# [4 5 6]
# [7 8 9]]
print(np.sum(a2))
# 45
print(np.count_nonzero(a2>5)) # 5초과 인 수량을 카운트함
# 4
print(np.sum(a2>5))
# 4
print(np.sum(a2>5, axis=0)) # 축에 해당하는 5초과 카운트가 출력됨
# [1 1 2]
print(np.sum(a2>5, axis=1)) # 축에 해당하는 5초과 카운트가 출력됨
# [0 1 3]
그 밖에 표준편차 numpy.std, 분산 numpy.var, 로그 numpy.log 등 다양한 함수가 있습니다.
세부 내용은 공식 API를 참고 바랍니다.
필요할 때 찾아쓸 정도만 알고 있으면 될 것 같네요.