printf("Hello POTATO World");

1. 삭제 -2차원에서의 삭제는 1차원과 다르게 축 (axis)을 설정해주지 않으면 flatting 된다는 것을 기억해야한다. ''' 1. ndarray 삭제 ( axis 개념 반드시 이해하기 ) new_arr = np.delete(arr, idx|fancy|slice , axis=None|0|1) - 삭제된 새로운 ndarray 반환함 - 삭제옵션은 인덱싱,fancy,슬라이싱 모두 가능 슬라이싱 np.s_[start:stop] 형식을 사용 ===> 기본적으로 위치값으로 삭제한다. ==> 순방향, 역방향 모두 가능하다. ==> axis=None 기본 ( 일반적인 기본값은 axis=0 )이다. axis값을 지정하지 않으면 flat된다. ( 1차원으로 변경 ) ==> axis=0 ==> 행이 삭제 ==> a..

shape=(행,열) reshape((행,열)) # 튜플이 들어감 주의 : 주어진 배열을 행 X 열 형태로 만들어준다. ''' np.arange([start], stop[,step] ) ==> 기본적으로 1차원 반환한다. 따라서 2차원 변경 작업이 필요하다. 가. shape 속성 이용 == arr.shape=(행,열) == arr.shape=(행,-1) == arr.shape=(-1,열) 나. reshape((행,열)) 함수 이용 ''' import numpy as np # 1. arr.shape=(행,열) 이용하여 2차원으로 변경 x = np.arange(10) # 1차원 x.shape = (2,5) print(x) # 2. reshape((행,열)) 함수 이용하여 2차원으로 변경 x = np.aran..

''' np.zeros((행,열)) ==> shape에 일치하는 0값으로 ndarray 반환, 기본타입은 float64 (8byte) dtype=int , dtype=np.int64 등으로 타입 변경도 가능하다. np.ones((행,열)) ==> shape에 일치하는 1값으로 ndarray 반환, 기본타입은 float64 (8byte) np.empty((행,열)) ==> shape에 일치하는 임의의 값으로 ndarray 반환 np.full((행,열)) ==> shape에 일차하는 지정값으로 ndarray 반환 ''' import numpy as np #1.np.zeros() print("1.np.zeros(shape)") s=np.zeros(5) print(s) s=np.zeros((2,3),dtype=..

''' 랜덤값 이용 np.random.함수명() 형식 ''' import numpy as np print(dir(np.random)) ''' ['BitGenerator', 'Generator', 'MT19937', 'PCG64', 'PCG64DXSM', 'Philox', 'RandomState', 'SFC64', 'SeedSequence', '__RandomState_ctor', '__all__', '__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__path__', '__spec__', '_bounded_integers', '_common', '_generator', '_mt19937..

2차원 행렬 생성 하는 방법 2 가지 -1. 중첩 리스트 => np.array () -2. 1차원 배열 => shape()=(행,열) ''' 정리 1. 가. np.array(리스트) 이용해서 2차원 배열(행렬) 생성이 가능하다. ==> 반드시 각 행의 열의 갯수는 일치해야한다. 나.np.array(1차원리스트) shape=(행,열) 명시적으로 행과 열을 지정 shape=(행,-1) 지정된 행의 개수에 의해서 열 개수가 설정된다 shape=(-1,열) 지정된 열의 개수에 의해서 행 개수가 설정된다 2. 반드시 동일한 타입을 지정해야 된다. 타입이 다르면 일치 시킨다,(upcasting) 3. 정수는 기본이 4바이트인 int32이고 실수는 기본이 8바이트인 float64 이다. 4. 차원 정보는 ndim, ..

1. 삭제 np.delete() - 위치 값으로 삭제 하는 방법 ''' 1. ndarray 삭제 new_arr = np.delete(arr, idx|fancy|slice , axis) - 삭제된 새로운 ndarray 반환함 - 삭제옵션은 인덱싱,fancy,슬라이싱 모두 가능 슬라이싱 np.s_[start:stop] 형식을 사용 ===> 기본적으로 위치값으로 삭제한다. ==> 순방향, 역방향 모두 가능하다. ''' import numpy as np # 1. 인덱싱 arr = np.array([9,8,7,6,5,4,3]) new_arr = np.delete(arr, 0) # 순방향 new_arr = np.delete(arr, -1) # 역방향 print(arr, new_arr) # [9 8 7 6 5 4 3..

np.linspace() : [start, stop] 양 끝 값 포함 범위의 값을 num 개 만큼 생성해서 반환한다. endpoint 를 False로 주면 stop 값이 범위에 포함되지 않는다. ''' np.linspace( start, stop [, num=50, endpoint=True ] ) - [start, stop] 범위의 값을 num개만큼 생성해서 반환, 기본타입 float64 ''' import numpy as np # 1. np.linspace(start, stop) x = np.linspace(0,1) print(x, len(x)) # 50 x = np.linspace(0,1, endpoint=False) # endpoint=False 지정시 stop포함 안됨. print(x, len(x..

''' np.arange([start], stop[,step] ) ==> 파이썬의 range함수와 비슷(range는 무조건 정수값만 반환) np.arange는 지정된 값의 타입에 따라서 반환 (실수도 가능 ) ''' import numpy as np # 1. np.arange(stop) 0 ~ stop-1 까지 범위의 정수 반환 print("1. np.arange(stop)") x = np.arange(10) # 0 ~ 9 까지 범위의 정수 반환 x = np.arange(10.) # 0. ~ 9. 까지 범위의 실수 반환 x = np.arange(10, dtype=float) # 0. ~ 9. 까지 범위의 실수 반환 print(x) # [0. 1. 2. 3. 4. 5. 6. 7. 8. 9.] # 2. np..

''' np.zeros(shape) ==> shape에 일치하는 0값으로 ndarray 반환, 기본타입은 float64 ( 8byte ) dtype=int|np.int64 형식으로 타입변경 가능 np.ones(shape) ==> shape에 일치하는 1값으로 ndarray 반환, 기본타입은 float64 ( 8byte ) np.empty(shape) ==> shape에 일치하는 임의의 값으로 ndarray 반환 , 기본타입은 float64 ( 8byte ) np.full(shape, 값) ==> shape에 일치하는 지정값으로 ndarray 반환 ''' import numpy as np # 1. np.zeros(shape) print("1. np.zeros(shape)") s = np.zeros(5) p..

''' 랜덤값 이용 np.random.함수명() 형식 ''' import numpy as np print(dir(np.random)) ''' ['BitGenerator', 'Generator', 'MT19937', 'PCG64', 'PCG64DXSM', 'Philox', 'RandomState', 'SFC64', 'SeedSequence', '__RandomState_ctor', '__all__', '__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__path__', '__spec__', '_bounded_integers', '_common', '_generator', '_mt19937..