Numpy_2

자주쓰이는 Numpy 함수 정리¶

이번에는 넘파이에서 자주쓰이는 함수를 정리해 보겠습니다. 이전글에 있었던 reshape를 포함해 다음에 나오는 함수들도 매우 자주 사용하는 함수들이니 많은 도움이 될거라 생각합니다.

In [ ]:

copy,flatten,round,sort,std,sum,transpose

타입에 관한 함수¶

1.astype¶

array에 담긴 데이터의 타입을 변경시켜주는 함수입니다.

In [5]:

import numpy as np
array_1 = np.array([1,2,3,4,5],dtype='int')
print(array_1)
print(array_1.astype('float'))

[1 2 3 4 5]
[1. 2. 3. 4. 5.]

2.tolist¶

array를 list로 바꿔줘야하는 경우가 종종 있는데 이때 사용하는 함수입니다.

In [6]:

array_1 = np.array([1,2,3,4,5],dtype='int')
print(type(array_1.tolist()))

<class 'list'>

통계 관련 변수¶

# min,max,mean,std,var¶

np.mean(array,axis = ? )¶

정확한 워딩이 아니지만 평균, 표준편차를 쉽게 구할수 있도록 numpy 에서 제공하는 함수들의 사용법을 알아보겠습니다.

In [8]:

array_2 = np.array([1,3,5,7,9])
print(np.min(array_2))
print(np.mean(array_2))
print(np.max(array_2))
print(np.std(array_2))
print(np.var(array_2))

1
5.0
9
2.8284271247461903
8.0

In [11]:

array_3 = np.array([[1,2,3,4],[10,20,30,40],[100,200,300,400]])
print(np.min(array_3,axis=0))
print(np.mean(array_3,axis=0))
print(np.max(array_3,axis=0))
print(np.std(array_3,axis=0))
print(np.var(array_3,axis=0))

[1 2 3 4]
[ 37.  74. 111. 148.]
[100 200 300 400]
[ 44.69899328  89.39798655 134.09697983 178.79597311]
[ 1998.  7992. 17982. 31968.]

In [12]:

array_3 = np.array([[1,2,3,4],[10,20,30,40],[100,200,300,400]])
print(np.min(array_3,axis=1))
print(np.mean(array_3,axis=1))
print(np.max(array_3,axis=1))
print(np.std(array_3,axis=1))
print(np.var(array_3,axis=1))

[  1  10 100]
[  2.5  25.  250. ]
[  4  40 400]
[  1.11803399  11.18033989 111.80339887]
[1.25e+00 1.25e+02 1.25e+04]

사용 예시를 보면 1차원일경우 가장 직관적인 값을 리턴합니다. 2차원 이상의 경우 axis를 설정해줄수 있는데 쉽게 말해서 축을 결정해서 계산을 해냅니다. 가로, 세로 또는 그 이상의 차원이 존재할 경우에 다양하게 지정할 수 있습니다.

조건함수 : any,all,where¶

Ex : np.where(array>=3,True일때값,Flase일때 값)¶

any : 특정 조건을 만족하는 원소가 있으면 True를 리턴합니다.

In [19]:

array_4 = np.array([1,10,100,1000,10000])
print(np.any(array_4>=1))
print(np.any(array_4>=10))
print(np.any(array_4>=100))
print(np.any(array_4>=1000))
print(np.any(array_4>=10000))
print(np.any(array_4>=100000))

True
True
True
True
True
False

all : 모든 원소가 조건을 만족하면 True를 리턴합니다.

In [20]:

array_4 = np.array([1,10,100,1000,10000])
print(np.all(array_4>=1))
print(np.all(array_4>=10))
print(np.all(array_4>=100))
print(np.all(array_4>=1000))
print(np.all(array_4>=10000))
print(np.all(array_4>=100000))

True
False
False
False
False
False

where : 조건에 맞는 인덱스만 리턴합니다.

In [21]:

array_4 = np.array([1,10,100,1000,10000])
print(np.where(array_4>=1))
print(np.where(array_4>=10))
print(np.where(array_4>=100))
print(np.where(array_4>=1000))
print(np.where(array_4>=10000))

(array([0, 1, 2, 3, 4], dtype=int64),)
(array([1, 2, 3, 4], dtype=int64),)
(array([2, 3, 4], dtype=int64),)
(array([3, 4], dtype=int64),)
(array([4], dtype=int64),)

where(조건, True일때 출력값, false일때 출력값)

In [24]:

array_4 = np.array([1,10,100,1000,10000])
print(np.where(array_4>=1,array_4,0))
print(np.where(array_4>=10,array_4,0))
print(np.where(array_4>=100,array_4,0))
print(np.where(array_4>=1000,array_4,0))
print(np.where(array_4>=10000,array_4,0))

[    1    10   100  1000 10000]
[    0    10   100  1000 10000]
[    0     0   100  1000 10000]
[    0     0     0  1000 10000]
[    0     0     0     0 10000]

In [25]:

array_4 = np.array([1,10,100,1000,10000])
print(np.where(array_4>=1,True,False))
print(np.where(array_4>=10,True,False))
print(np.where(array_4>=100,True,False))
print(np.where(array_4>=1000,True,False))
print(np.where(array_4>=10000,True,False))

[ True  True  True  True  True]
[False  True  True  True  True]
[False False  True  True  True]
[False False False  True  True]
[False False False False  True]

인덱스를 리턴하는 함수 : argmax,argmin¶

최대값 또는 최소값의 인덱스가 궁금할때 사용가능합니다.

In [27]:

array_5 = np.array([-100,-10,-1,1,10,100])
print(np.argmax(array_5))
print(np.argmin(array_5))

5
0

In [33]:

array_6 = np.array([[10,20,30,40,50,60],[30,20,10,-50,-60,-70],[-1,-2,-3,-4,-5,-6]])
print(np.argmax(array_6,axis=0))
print(np.argmin(array_6,axis=0))

[1 0 0 0 0 0]
[2 2 2 1 1 1]

In [34]:

array_6 = np.array([[10,20,30,40,50,60],[3,2,1,5,6,7],[-1,-2,-3,-4,-5,-6]])
print(np.argmax(array_6,axis=1))
print(np.argmin(array_6,axis=1))

[5 5 0]
[0 2 5]

In [35]:

array_6 = np.array([[10,20,30,40,50,60],[3,2,1,5,6,7],[-1,-2,-3,-4,-5,-6]])
print(np.argmax(array_6))
print(np.argmin(array_6))

5
17