numpy사용법2 [TEAMLAB] 3 -3 . numpy - handling shape 저번 시간에 이어서 이번에는 numpy로 shape 다루는 법을 알아보도록 하겠다. shape은 이전 시간에 설명했듯이 dimension이 어떻게 구성되어 있는가에 대한 정보였다. 예를 들어, 2 x 4의 matrix를 8개의 원소를 가진 vector로 다시 reshape할 수 있다. 위의 예를 보자면 처음에는 2 x 4 matrix를 만든 다음 reshape해서 8개의 벡터로 만들었다. element 개수가 같게, size가 같게 할 수 있다. reshape을 할 때는 array의 size가 같게 해야한다. -1은 그 부분은 몇개가 되든 상관 없고 전체 사이즈에 맞춰서 만들라는 뜻이다. reshape를 할 때 크기가 맞지 않다면 오류가 난다. flatten은 1 dimensional array, vec.. 2020. 1. 20. [TEAMLAB] 3 -2 . numpy -ndarray 이번 시간에는 numpy dimensional array의 약자인 ndarray에 대해 알아보도록 하겠다. 저번 시간에도 설명했듯이 numpy를 사용하기 전에는 import해야하고 통상적으로 np로 호출한다. numpy에서 array를 생성할 때는 위와 같은 방법을 사용한다. np.array를 쓰고 데이터 타입도 지정한다. 저번 시간에 설명했듯이 float, int, str 등 한 가지 데이터 타입만 선택해서 생성할 수 있다. list라기보다 python이 dynamic typing을 지원해서 여러 데이터 타입을 하나의 배열에 넣을 수 있는데 numpy array는 이를 허용하지 않는다. list와 달리 여러 개의 데이터 타입이 들어가진 않지만 한 가지 데이터 타입만 넣음으로써 속도가 빠르고, c로 ar.. 2020. 1. 20. 이전 1 다음
