본문 바로가기

전체 글

Numpy 7. 팬시 색인 정수 배열을 색인처럼 사용하는 것을 팬시 색인(fancy indexing)이라 한다. arr_fancy = np.zeros((8, 4)) for i in range(8): arr_fancy[i] = i 8 * 4의 0으로 초기화된 배열을 생성한 뒤, 각 1차원 배열의 원소를 0~7로 초기화해보자. 이런 배열이 될 것이다. 특정 순서의 row들을 선택하고 싶다면, 순서대로 array에 인덱스를 담아서 사용할 수 있다. python이 그런 것처럼, 음수 인덱스는 뒤부터 배열을 탐색한다. 팬시 인덱싱을 다차원 배열로 하게 되면 결과가 조금 다르게 나온다. arr_fancy = np.arange(32).reshape((8, 4)) arange 함수로 0~31의 길이 32의 1차원 배열이 생성된다. reshape.. 파이썬/numpy 2020. 10. 29.
Numpy 6. Boolean 2, Numpy 조건 연산자 이름이 frodo인 2, 4번째 index에 해당하는 배열들을 반환하고 있다. 이름이 frodo에 해당하지 않는 index를 선택하고 싶다면, arr_2d[names != 'frodo'] 당연히 이렇게도 할 수 있고, arr_2d[~(names == 'frodo')] opposite = names == 'frodo' arr_2d[~opposite] ~표시를 이용해 조건을 반대로 걸거나 조건을 변수에 할당해 사용할수도 있다. 조건 여러개를 and나 or로 이어서 사용할수도 있다. 다만 파이썬의 예약어 and, or가 아니라 & , | 기호를 이용한다. 파이썬/numpy 2020. 10. 28.
Numpy 5. boolean 배열의 원소들의 true / false 여부도 출력하거나, 다른 배열과 함께 사용할 수 있다. 다음과 같은 배열이 있다. names = np.array(['con', 'muzy', 'frodo', 'ryan']) names의 배열 중 frodo를 찾으려면 이런 형태가 된다. names == 'frodo' frodo가 있는 2번째 인덱스가 True로 표시된다. 만약 True인 인덱스를 찾고 싶다면 where 함수를 쓸 수 있다. np.where(names == 'frodo') 파이썬의 index나 find 함수와 비슷한 쓰임이지만, 조건을 만족하는 인덱스가 여러개여도 첫번째로 만족하는 인덱스 하나만을 반환하는 index나 find 함수와는 달리 조건을 만족하는 모든 인덱스를 튜플 형태로 반환한다. 인덱스 .. 파이썬/numpy 2020. 10. 26.
Numpy 4. 인덱싱, 슬라이싱 인덱싱 인덱싱은 파이썬 list와 크게 다르지 않다. 1차원 배열 arr = np.arange(10) arr[2] 다차원 배열 arr_np = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) arr_np[0][1] arr_np[0, 1] 다차원 배열은 파이썬 list와 같이 [][]... 형태로 인덱스를 찾아갈수도 있고 [x, x, x....] 형태로 찾아갈수도 있다. 또한 다차원 배열의 각 인덱스 요소는 numpy 배열이다. 즉 arr_np[1]인 [4, 5, 6] 배열에 대해 이런 연산이 가능하다. 슬라이싱 1차원 배열 arr_np = np.array([1, 2, 3, 4, 5]) arr_slice = arr_np[2:4] 슬라이싱도 파이썬 list와 형태는 크게 다르지.. 파이썬/numpy 2020. 10. 26.
Numpy 3. Numpy 배열의 산술연산 numpy 배열의 중요한 특징은 for문을 사용하지 않고도 데이터를 일괄 처리할 수 있다는 점입니다. 이를 벡터화라고 합니다. 배열에 연산을 적용할 경우 배열의 모든 원소에 연산이 적용됩니다. 크기가 다른 배열 간의 연산은 브로드캐스팅이라고 하는데, 지금은 자세히 다루지 않습니다. 파이썬/numpy 2020. 10. 23.
numpy 2. ndarray 파이썬의 list처럼 numpy의 배열은 ndarray 객체가 있습니다. 이를 생성하는 가장 쉬운 방법은 array 함수를 이용하는 방법입니다. import numpy as np arr = [1, 2, 3, 4, 5] arr_np = np.array(arr) 다차원 배열도 생성할 수 있습니다. 배열의 형태는 다음과 같이 확인할 수 있습니다. arr_shape = NDARRAY_OBJECT.shape numpy 배열은 생성될 때 명시적으로 자료형을 선언하지 않는다면, 적절한 자료형을 추론해 dtype 객체에 저장합니다. 다음과 같이 확인할 수 있습니다. arr_dtype = NDARRAY_OBJECT.dtype 자료형의 형태는 배열을 선언할 때 추가하거나, 선언된 뒤에도 변경할 수 있습니다. 변경사항은 배.. 파이썬/numpy 2020. 10. 23.
Numpy 1. numpy의 장점 pandas는 csv 파일들을 다루면서 몇 번 사용해본 경험이 있는데 비해 numpy는 거의 사용해본적이 없어서 O'reilly Python For Data Analysis를 읽으면서 내용을 정리합니다. 비전공자도 이해할만큼 쉽게 작성할 계획입니다. 제가 비전공자라 어렵게 하라 해도 못합니다. - 틀린 내용, 뻘소리 다수! - 환경 설정은 아나콘다 3.8 Numpy에서는 여러 기능을 제공하지만 가장 중요한건 역시 빠른 배열 계산 이 아닐까 싶습니다. 몇 만 정도의 배열계산은 파이썬 list로도 웬만큼 가능하겠지만, 만약 그 숫자가 매우 많아지거나 특수한 조건이 계속 걸리게 된다면 그 속도는 아마 극악에 달하게 될겁니다. 길이가 1천만인 numpy 배열 arr_np, 파이썬 list arr_py가 있습니다.. 파이썬/numpy 2020. 10. 21.
h2 database 90149 에러 jdbc:h2:~/test JDBC 주소를 다음과 같이 설정해도 생성되지 않을 경우. 8082 포트를 강제로 죽인 뒤 다시 DB를 만들어보자. cmd -> netstat -a -o -n 8082 포트를 강제로 죽인다. taskkill /f /pid 포트 사용중인 pid Java/버그, 에러 2020. 9. 30.

티스토리툴바