코딩하는 타코야끼

1. 배열 연산 📍 벡터화 - 벡터 연산 배열과 scalar 간의 연산은 원소단위로 계산한다. 배열간의 연산은 같은 index의 원소끼리 계산 한다. Element-wise(원소별) 연산 이라고도 한다. 배열간의 연산시 배열의 형태(shape)가 같아야 한다. 배열의 형태가 다른 경우 Broadcast 조건을 만족하면 연산이 가능하다. 🌓 배열과 스칼라간 연산 🌓 배열 간의 연산 📍 내적 (Dot product) 연산 @ 연산자 또는 numpy.dot(벡터/행렬, 벡터/행렬) 함수 사용 🌓 1차원 배열(벡터)간의 내적 같은 index의 원소끼리 곱한뒤 결과를 모두 더한다. 벡터간의 내적의 결과는 스칼라가 된다. 조건 두 벡터의 차원(원소의개수)가 같아야 한다. 앞의 벡터는 행벡터 뒤의 벡터는 열벡터 이어..

1. 인덱싱과 슬라이싱을 이용한 배열의 원소 조회 및 변경 📍 배열 인덱싱(Indexing) index 배열내의 원소의 식별번호 0부터 시작 indexing index를 이용해 원소 조회 [ ] 표기법 사용 구문 ndarray[index] 양수는 지정한 index의 값을 조회한다. 음수는 뒤부터 조회한다. 마지막 index가 -1 2차원배열의 경우 arr[0축 index, 1축 index] 파이썬 리스트와 차이점 N차원 배열의 경우 arr[0축 index, 1축 index, ..., n축 index] 팬시(fancy) 인덱싱 여러개의 원소를 한번에 조회할 경우 리스트에 담아 전달한다. 다차원 배열의 경우 각 축별로 list로 지정 arr[[1,2,3,4,5]] 1차원 배열(vector): 1,2,3,4,..

1. 넘파이 (NumPy) http://www.numpy.org Numerical Python (숫자를 다루는 파이썬) 벡터, 행렬 연산을 위한 수치해석용 파이썬 라이브러리 강력한 다차원 배열(array) 지원 빠른 수치 계산을 위한 structured array, 벡터화 연산(벡터연산 지원), 브로드캐스팅 기법등을 통한 다차원 배열과 행렬연산에 필요한 다양한 함수를 제공한다. 파이썬 List 보다 더 많은 데이터를 더 빠르게 처리 많은 과학 연산 라이브러리들이 Numpy를 기반으로 한다. scipy, matplotlib, pandas, scikit-learn, statsmodels등 선형대수, 난수 생성, 푸리에 변환 기능 지원 📍 넘파이에서 데이터 구조 스칼라 (Scalar) 값 하나. 벡터 (Vec..

넘파이 (NumPy) http://www.numpy.org Numerical Python (숫자를 다루는 파이썬) 벡터, 행렬 연산을 위한 수치해석용 파이썬 라이브러리 강력한 다차원 배열(array) 지원 빠른 수치 계산을 위한 structured array, 벡터화 연산(벡터연산 지원), 브로드캐스팅 기법등을 통한 다차원 배열과 행렬연산에 필요한 다양한 함수를 제공한다. 파이썬 List 보다 더 많은 데이터를 더 빠르게 처리 많은 과학 연산 라이브러리들이 Numpy를 기반으로 한다. scipy, matplotlib, pandas, scikit-learn, statsmodels등 선형대수, 난수 생성, 푸리에 변환 기능 지원 넘파이에서 데이터 구조 스칼라 (Scalar) 값 하나. 벡터 (Vector) ..