본문 바로가기

AI73

[TEAMLAB] 3 - 8. numpy - comparisons 이번 시간에는 numpy에서 값들을 비교하는 방법에 대해 알아보도록 하겠다. numpy에서 any는 어느 하나라도 조건을 만족하면 true를 반환하고, all은 모두가 조건에 만족할 때 treu를 반환한다. 즉, any는 OR이고, all은 AND와 같다. 예를 보자면 위와 같이 0부터 9까지는 모두 0보다 크므로 false가 나온다. 일종의 broadcast인 셈이다. a > 5를 보자면 6, 7, 8, 9에 해당하는 값들만 true가 나온다. 배열 간의 크기가 같을 때는 element-wise 계산을 하게 된다. logical and는 두 조건을 and로 만족하고 있는지 알아본다. logical not은 주어진 것을 not으로 바꿔준다. logical or은 각 element별 하나라도 true가 있.. 2020. 1. 20.
[TEAMLAB] 3 - 7. numpy - array opeations 저번 시간에는 array 내부의 operation을 알아보았고, 이번 시간에는 numpy의 array 간의 operation에 대해 알아보도록 하겠다. array 간의 기본적인 사칙 연산은 위와 같이 간단하다. 덧셈과 뺄셈은 matrix 연산처럼 같은 위치에 있는 것끼리 연산하게 된다. matrix의 연산은 곱하는 행렬의 열 수와 곱해지는 행렬의 행 수가 같아야 했다. 그런데 곱셈은 array 간의 shape이 같을 때, 같은 위치에 있는 값들을 곱한다는 점에서 다르다. 위에서 말했던 덧셈, 뺄셈처럼 같은 위치끼리 연산되는 것을 element-wise라고 한다. 매트랩에서의 .*라는 연산과 같다. dot product는 우리가 원래 알고 있었던 행렬 곱셈 연산이다. 이것은 .dot()이라고 해야한다. T.. 2020. 1. 20.
[TEAMLAB] 3 - 6. numpy - operation functions 이번 시간에는 numpy의 계산함수에 대해 알아보도록 하겠다. 먼저 sum은 원소들의 합을 구하는 함수이다. list에서도 list 안의 값을 더하는 역할을 해주었다. 스칼라 값의 결과를 반환한다. 다른 opertion들을 살펴보기 전에, numpy array에서 중요한 축에 대해 알아보도록 하겠다 python에서는 shape의 하나하나의 크기를 axis라고 한다. shape에서 가장 앞에 나오는 것이 axis 0에 해당한다. 예를 들어, vector에서는 유일한 하나의 값이 axis 0이겠고, matrix에서는 행에 해당하는 것이 axis 0이고, 열이 axis 1에 해당한다. axis = 1에 대해서 sum을 한다는 것은 vector에 대해서 sum을 한다는 뜻이므로 결과는 위에서 확인할 수 있듯이 .. 2020. 1. 20.
[TEAMLAB] 3 - 5. Create Function 이번 시간에는 array를 만드는 함수에 대해서 알아보도록 하겠다. 처음에 배울 것은 arange로 array를 지정해놓은 range에 따라서 만드는 것이다. list의 경우에서는 list(range(10))의 형태로 0~9의 list를 만들었었다. numpy의 경우에도 마찬가지로 np.arange(10)의 형태로 0~9까지의 vector를 만들 수 있다. list처럼 numpy도 시작, 끝, step으로 범위를 지정할 수 있고, list와 달리 floating 포인트로 step을 표현할 수 있다는 것이 특징이다. numpy 배열을 tolist 함수를 통해서 list로 표현할 수도 있다. zeros는 0으로 가득찬 ndarray를 만드는 것인데 shape라고 키워드를 써도 되도 안 써도 된다. 데이터 타.. 2020. 1. 20.

티스토리툴바