넘파이) 행렬 배치, 연산

arange, reshape

 

np.arange(10)

 

1부터 9까지의 1차원 array를 만든다.

 

np.arange(10).reshape(2,5)

 

10에 맞춰서 2행 5열로 배열을 만든다.

 

행렬의 shape을 reshape을 조정할 수 있다.

 

a = np.arange(24).reshape(2,3,4)

 

깊이를 깊게 하여 만들 수 있다.

 

a.reshape(2,3,-1)

-1은 앞의 인자들을 참조하여 자동으로 행렬을 완성시켜준다

행렬곱 연산

 

파이썬 @을 이용한 1연산

 

a = np.array([[0,1,2],[3,4,5]])
b = np.array([[6,7,8],[9,10,11]])

 

a와 b의 shape을 보면 2 * 3이기 때문에 연산곱의 조건을 만족시키지 못함

 

따라서 b를 전치시켜서 행렬곱을 수행할 것임

#행렬 곱을 위해서 맞춰줌
b.T

a @ b.T

 

shape이 3행2열이 되면서 a의 2행 3열의 shape과 행렬곱으르 할 수 있는 조건이 됨

 

파이썬 내장 함수인 @을 사용해서 행렬의 곱을 할 수 있음

 

@은 matrix든 ndarray들 상관없이 사용 가능

 

넘파이 dot 사용한 행렬 곱

 

#dot은 배열과 매트릭스 행렬곱을 가능하게 해준다.
np.dot(a,b.T)

 

dot은 matrix든 ndarray든 행렬곱을 가능하게 해준다.

넘파이에서 제공한다.

 

#dot은 method 방식으로 제공이 된다.
a.dot(b)

 

dot은 method 형식으로도 제공한다.

 

numpy broadcasting

 

a + np.array([3,4]) #1행 2열

 

a가 2행 3열이고 뒤에 array가 1행 2열이기 때문에 broadcasting이 되지 않음

 

행의 개수가 같거나 열의 개수가 같아야지 broadcasting 가능

 

a + np.array([3,4,5]) #열의 갯수가 같음

 

axis

 

a = np.arange(12).reshape(3,4)
np.sum(a)

 

행렬 내의 숫자들의 총 합을 구한다.

 

np.sum(a, axis= 0)

 

axis = 0은 행을 기준으로 합함을 의미함. 이때 주의해야함, 행을 기준으로 한다는 것은 행렬을 수직으로 더함을 의미

(axis = 0은 행을 의미, axis = 1 은 열을 의미)

 

 

a = np.arange(24).reshape(2,3,4)
a.sum(axis = 0) #이때 0은 depth를 뜻함 공간기준(공간마다)

 

공간 기준으로 다 더해버림.

즉 1차원 2차원으로 다 더함

 

a = np.arange(24).reshape(3,2,4)
a.sum(axis = 0)

 

3개의 깊이로 확장해도 똑같음

 

a.sum(axis=1) #행마다.

 

각 깊이마다 행 기준으로 값을 모두 더함

따라서 3차원 2행 4열일 경우에는 3행 4열의 모습이 됨

 

a.sum(axis=2) #열기준

 

각 깊이마다 열기준으로 더한다. 따라서 3행 2열의 모습을 보임

 

ufunc

ufunc은 universal function의 줄임말이다.  
universal은 모든 사람을 위한, 범용성이라는 뜻을 가지고 있다.  

 

np.add(np.array([1,2,3]),np.array([4,5,6])) #array 처리
np.add([1,2,3],[4,5,6]) #리스트 처리
np.add(3,4) #스칼라 처리

 

add가 ufunc이기 때문에 array, list, 스칼라를 처리 가능하다.

 

resize

 

a = np.arange(24)
a.resize(2,3,1)
a

 

resize는 변수로 새로 받지 않아도 함수를 통해서 바로 형태가 바뀜

 

또한 원소의 개수가 달라도  변형이 됨

 

reshape는 변수로 받아야지 새롭게 바뀌게 되고 원소의 개수가 맞아야 바뀐다.

 

a = np.arange(24)
a.resize(2,3,8)
a

 

본래의 원소 개수보다 더 크게 행렬을 변형시키면 초과된 공간은 모두 0으로 채운다.