[Numpy] 넘파이 한번에 끝내기

[Numpy] 넘파이 한번에 끝내기

1. NumPy 특징

2. 배열 생성

3. 배열 조회

4. 배열 값 삽입/수정/삭제/복사

5. 배열 변환

6. 배열 연산

7. 배열 입출력

---------------------------------------

 

1. NumPy 특징

- Numerical Python의 약자

- 고성능 과학 계산용 패키지로 강력한 N차원 배열 객체

- 범용적 데이터 처리에 사용 가능한 다차원 컨테이너

- 정교한 브로트캐스팅broadcasting 기능

- 파이썬의 자료형 list와 비슷하지만, 더 빠르고 메모리를 효율적으로 관리

- 반복문 없이 데이터 배열에 대한 처리를 지원하여 빠르고 편리

- 데이터 과학 도구에 대한 생태계의 핵심을 이루고 있음

 

2. 배열 생성

(1) 리스트로 배열 만들기

a1 = np.array([1,2,3,4,5])
print(a1)
print(type(a1))
print(a1.shape)
print(a1[0],a1[1],a1[2],a1[3],a1[4])

a1[0] = 4
a1[1] = 5
a1[2] = 6
print(a1)

a2 = np.array([[1,2,3], [4,5,6], [7,8,9]])
print(a2)
print(type(a2))
print(a2.shape)
print(a2[0],a2[1],a2[2])
print(a2[1][0],a2[1][1],a2[1][2])
print(a2[1,0],a2[1,1],a2[1,2])

a3 = np.array([[[1,2,3], [4,5,6],[7,8,9]],
              [[10,11,12],[13,14,15], [16,17,18]],
               [[19,20,21],[22,23,24],[25,26,27]]])
print(a3)
print(type(a3))
print(a3.shape)
print(a3[0,0,0],a3[1,1,1],a3[2,2,2])

(2) 배열 생성 및 초기법

- zeros(), ones(), full(), eye(), tri(), empty(), _like()

np.zeros(10)

np.ones((3,3))

np.full((3,3), 1.23)

np.eye(3)

np.tri(3)

np.empty(10)

print(a1)
np.zeros_like(a1)

print(a2)
np.ones_like(a2)

print(a3)
np.full_like(a3, 10)

 

(3) 생성한 값으로 배열 생성

- arange(), linspace(), logspace()

np.arange(0,30,2)

np.linspace(0, 30, 15)

np.logspace(0.1, 1, 20)

 

(4) 랜덤값으로 배열 생성

함수	설명	인자
seed	난수 발생을 위한 시드 지정
permutation	순서를 임의로 바꾸거나 임의의 순열 반환
shuffle	리스트나 배열의 순서를 뒤섞음
random	랜덤한 수의 배열 생성
rand	균등분포에서 표본 추출
randint	주어진 최소/최대 범위의 난수 추출
randn	표준편차가 1, 평균값 0인 정규분포의 표본 추출
binomial	이항분포에서 표본 추출
normal	정규분포(가우시안)에서 표본 추출
beta	베타분포에서 표본 추출
chisquare	카이제곱분포에서 표본 추출
gamma	감마분포에서 표본 추출
uniform	균등(0,1)분포에서 표본 추출

np.random.random((3,3))

np.random.randint(0,10,(3,3))

np.random.normal(0,1, (3,3))

np.random.rand(3,3)

np.random.randn(3,3)

 

(5) 표준 데이터 타입

함수	설명	인자
bool_	바이트로 저장된 블리언으로 True 또는 False를 가짐
int_	기본 정수 타입
intc	C언어에서 사용되는 int와 동일(일반적으로 int32 또는 int64)
intp	인덱싱에 사용되는 정수(C언어에서 ssize_t와 동일. 일반적으로int32 또는 int64)
int8	바이트 (-128~127)
int16	정수(-32768 ~ 32767)
int32	정수(-2147483648 ~ 2147483647)
int64	정수(-9223372036854775808 ~ 9223372036854775808)
uint8	부호없는 정수(0 ~ 255)
uint16	부호없는 정수(0 ~ 65535)
uint32	부호없는 정수(0 ~ 4294967295)
uint64	부호없는 정수(0 ~ 18446744073709551615)
float16	반정밀 부동소수점 : 부호비트, 5비트 지수, 10비트 가수
float32	단정밀 부동소수점 : 부호비트, 8비트 지수, 23비트 가수
float64	반정밀 부동소수점 : 부호비트, 11비트 지수, 52비트 가수
float_	float64를 줄여서 표현
complex64	복소수, 두 개의 32비트 부동소수점으로 표현
complex128	복소수, 두 개의 64비트 부동소수점으로 표현
complex_	complex128을 줄여서 표현

np.zeros(20, dtype=int)

np.ones((3,3), dtype=bool)

np.full((3,3), 1.0, dtype=float)

(6) 날짜/시간 배열 생성

코드	의미	상대적 시간 범위	절대적 시간 범위
Y	연	±9.2e18년	[9.2e18 BC, 9.2e18 AD]
M	월	±7.6e17년	[7.6e17 BC, 7.6e17 AD]
W	주	±1.7e17년	[1.7e17 BC, 1.7e17 AD]
D	일	±2.5e16년	[2.5e16 BC, 9.2e16 AD]
h	시	±1.0e15년	[1.0e15 BC, 1.0e15 AD]
m	분	±1.7e13년	[1.7e13 BC, 1.7e13 AD]
s	초	±2.9e12년	[2.9e9 BC, 2.9e9 AD]
ms	밀리초	±2.9e9년	[2.9e6 BC, 2.9e6 AD]
us	마이크로초	±2.9e6년	[290301 BC, 294241 AD]
ns	나노초	±292년	[1678 BC, 2262 AD
ps	피코초	±106년	[1969 BC, 1969 AD]
fs	펨토초	±2.6시간	[1969 BC, 1969 AD]
as	아토초	±9.2초	[1969 BC, 1969 AD]

date = np.array('2020-01-01', dtype=np.datetime64)
date

date + np.arange(10)

datetime = np.datetime64('2022-04-05 13:55')
datetime

datetime = np.datetime64('2022-04-05 13:55:14.56', 'ns')
datetime

 

3. 배열 조회

(1) 배열 속성 정보

def array_info(array):
    print(array)
    print(f'ndim: {array.ndim}')
    print(f'shape: {array.shape}')
    print(f'dtype: {array.dtype}')
    print(f'size: {array.size}')
    print(f'itemsize: {array.itemsize}')
    print(f'nbytes: {array.nbytes}')
    print(f'strides: {array.strides}')

array_info(a1)  # 1차원
array_info(a2)  # 2차원
array_info(a3)  # 3차원

(2) 인덱싱

print(a1)
print(a1[0])
print(a1[2])
print(a1[-1])
print(a1[-2])

print(a2)
print(a2[0,0])
print(a2[2,2])
print(a2[-1,1])
print(a2[-2,2])

print(a3)
print(a3[0,0,0])
print(a3[2,2,1])
print(a3[-1,1,1])
print(a3[-2,2,2])

(3) 슬라이싱

- 슬라이싱 구문 : a[start:stop:step]

- 기본값 : start(0), stop(ndim), step(1)

print(a1)
print(a1[0:3])
print(a1[0:])
print(a1[:1])
print(a1[::2])
print(a1[::-1])

print(a2)
print(a2[1])
print(a2[1, :-1])
print(a2[:2, :2])
print(a2[1:, ::-1])
print(a2[::-1, ::-1])

(4) 불리언 인덱싱

- 배열 각 요소의 선택 여부를 불리언(True/False)로 지정

- True값인 인덱스의 값만 조회

print(a1)
bi = [False, True, True, False, True]
print(a1[bi])
bi = [True, False, True, True, False]
print(a1[bi])

print(a2)
bi = np.random.randint(0,2,(3,3),dtype=bool)
print(bi)
print(a2[bi])

(5) 팬시 인덱싱

print(a1)
print([a1[0],a1[2]])
ind = [0,2]
print(a1[ind])

ind = np.array([[0, 1],
                [2, 0]])
print(ind)
print(a1[ind])

print(a2)
row = np.array([0,2])
col = np.array([1,2])
print(a2[row,col])
print(a2[row, :])
print(a2[:, col])
print(a2[row,1])
print(a2[2,col])
print(a2[row,1:])
print(a2[1:, col])

 

4. 배열 값 삽입/수정/삭제/복사

(1) 배열 값 삽입

- insert() : 배열의 특정 위치에 값 삽입

- axis를 지정하지 않으면 1차원 배열로 변환

- 추가할 방향을 axis로 지정

- 원본 배열 변경없이 새로운 배열 반환

print(a1)
b1 = np.insert(a1, 0, 10)
print(b1)
c1 = np.insert(a1, 2, 10)
print(c1)

print(a2)
b2 = np.insert(a2, 1, 10, axis=0)
print(b2)
c2 = np.insert(a2, 1, 10, axis=1)
print(c2)

(2) 배열 값 수정

- 배열의 인덱싱으로 접근하여 값 수정

print(a1) 
a1[0] = 1
a1[1] = 2
a1[2] = 3
print(a1)
a1[:2] = 9
print(a1)
i = np.array([1,3,4])
a1[i] = 0
print(a1)
a1[i] += 4
print(a1)

print(a2)
a2[0,0] = 1
a2[1,1] = 2
a2[2,2] = 3
a2[0] = 1
print(a2)
a2[1:, 2] = 9
print(a2)
row = np.array([0, 1])  # 팬시 인덱싱
col = np.array([1, 2])
a2[row,col] = 0
print(a2)

print(a2)
a2[1,0] = 1
a2[1,1] = 2
a2[1,2] = 3
print(a2)
a2[2,:2] = 9
print(a2)
row = np.array([])

(3) 배열 값 삭제

- delete() : 배열의 특정 위치에 값 삭제

- axis를 지정하지 않으면 1차원 배열로 변환

- 삭제할 방향을 axis로 지정

- 원본 배열 변경없이 새로운 배열 반환

print(a1)
b1 = np.delete(a1, 1)
print(b1)
print(a1)

print(a2)
b2 = np.delete(a2, 1, axis=0)
c2 = np.delete(a2, 1, axis=1)
print(b2)
print(c2)
print(a2)

(4) 배열 복사

- 리스트 자료형과 달리 배열의 슬라이스는 복사본이 아님

print(a2)
print(a2[:2, :2])
a2_sub = a2[:2, :2]
print(a2_sub)
a2_sub[:, 1] = 0
print(a2_sub)
print(a2)

- copy(): 배열이나 하위 배열 내의 값을 명시적으로 복사

print(a2)
a2_sub_copy = a2[:2, :2].copy()
print(a2_sub_copy)
a2_sub_copy[:,1] = 2
print(a2_sub_copy)
print(a2)

 

5. 배열 변환

구분	함수	설명	인자
배열 전치	.T	전치 메소드	없음
배열 축 변경	swapaxis	축 변경	array_like, axis1, axis2
배열 재구조화	reshape	배열의 형상 변경	array_like, nwe_shape, order
	newaxis	새로운 축 추가	없음
배열 크기 변경	resize	배열 크기 변경	array_like, nwe_shape, refcheck
배열 추가	append	배열의 끝에 값 추가	array_like, values, axis
배열 연결	concatenate	튜플이나 배열의 리스트를 인수로 사용해 배열 연결	array_like, axis
	vstack	수직 스택, 1차원으로 연결	array_like, axis
	hstack	수평 스택, 2차원으로 연결	array_like, axis
	dstack	깊이 스택, 3차원으로 연결	array_like, axis
	stack	새로운 차원으로 연결	array_like, axis
배열 분할	split	배열 분할	array_like, indices_or_sections, axis
	vsplit	수직 분할, 1차원으로 분할	array_like, indices_or_sections, axis
	hsplit	수평 분할, 2차원으로 분할	array_like, indices_or_sections, axis
	dsplit	깊이 분할, 3차원으로 분할	array_like, indices_or_sections, axis

(1) 배열 전치 및 축 변경

print(a2)
print(a2.T)

print("원본 배열\n",a3)
print("\n\n전치 배열\n",a3.T)

print(a2)
print(a2.swapaxes(1, 0))

print(a3)
print("\n\n전치 배열\n",a3.swapaxes(0, 1))
print("\n\n전치 배열\n",a3.swapaxes(1, 2))

(2) 배열 재구조화

n1 = np.arange(1,10)
print(n1)
print(n1.reshape(3,3))

print(n1)
print(n1[np.newaxis, :5])
print(n1[:5, np.newaxis])

(3) 배열 크기 변경

n2 = np.random.randint(0,10,(2,5))
print(n2)
n2.resize((5,2))
print(n2)

n2.resize((5, 5), refcheck=False)
print(n2)

n2.resize((3,3), refcheck=False)
print(n2)

(4) 배열 추가

a2 = np.arange(1,10).reshape(3,3)
print(a2)
b2 = np.arange(10,19).reshape(3,3)
print(b2)

c2 = np.append(a2, b2)
print(c2)

c2 = np.append(a2, b2, axis=0)
print(c2)

c2 = np.append(a2, b2, axis=1)
print(c2)

(5) 배열 연결

a1 = np.array([1,2,3])
b1 = np.array([4,5,6])
np.concatenate([a1, b1])

c1 = np.array([7,8,9])
np.concatenate([a1, b1, c1])

a2 = np.array([[1,2,3],
               [4,5,6]])
np.concatenate([a2,a2])

a2 = np.array([[1,2,3],
               [4,5,6]])
np.concatenate([a2,a2], axis=1)

np.vstack([a2,a2])

np.hstack([a2,a2])

np.dstack([a2,a2])

np.stack([a2,a2])

(6) 배열 분할

a1 = np.arange(0,10)
print(a1)
b1, c1 = np.split(a1, [5])
print(b1,c1)
b1, c1, d1, e1, f1 = np.split(a1, [2,4,6,8])
print(b1,c1,d1, e1, f1)

a2 = np.arange(1,10).reshape(3,3)
print(a2)
b2, c2 = np.vsplit(a2, [2])
print(b2)
print(c2)

a2 = np.arange(1,10).reshape(3,3)
print(a2)
b2, c2 = np.hsplit(a2, [2])
print(b2)
print(c2)

a3 = np.arange(1,28).reshape(3,3,3)
print(a3)
b3, c3 = np.dsplit(a3, [2])
print(b3)
print(c3)

 

6. 배열 연산

- NumPy의 배열 연산은 벡터화(vectorized) 연산을 사용

- 일반적으로 NumPy의 범용 함수(universal functions)를 통해 구현

- 배열 요소에 대한 반복적인 계산을 효율적으로 수행

(1) 브로드캐스팅Broadcasting

a1 = np.array([1,2,3])
print(a1)
print(a1 + 5)

a2 = np.arange(1,10).reshape(3,3)
print(a2)
print(a1 + a2)

b2 = np.array([1,2,3]).reshape(3,1)
print(b2)
print(a1 + b2)

(2) 산술 연산

연산자	범용 함수	설명
+	np.add	덧셈
-	np.subtract	뺄셈
-	np.negative	단항 음수
*	np.multiply	급셈
/	np.divide	나눗셈
//	np.floor_divide	나눗셈 내림
**	np.power	지수 연산
%	np.mod	나머지 연산

a1 = np.arange(1, 10)
print(a1)
print(a1 + 1)
print(np.add(a1, 10))
print(a1 - 2)
print(np.subtract(a1, 10))
print(-a1)
print(np.negative(a1))
print(a1 * 2)
print(np.multiply(a1, 2))
print(a1 / 2)
print(np.divide(a1, 2))
print(a1 // 2)
print(np.floor_divide(a1, 2))
print(a1 ** 2)
print(np.power(a1,2))
print(a1 % 2)
print(np.mod(a1,2))

구분	함수	설명
절대값	np.absolute, np.abs	내장된 절대값 함수
제곱/	np.square	제곱 함수
제곱근	np.sqrt	제곱근 함수
지수함수	np.exp	자연상수의 지수함수
	np.exp2	2의 지수함수
	np.power	지수함수. 인자 (x, a) x(밑) a(지수)
로그	np.log	자연상수의 로그함수
	np.log2	2의 로그함수
	np.log10	10의 로그함수

a1 = np.arange(1,10)
print(a1)
b1 = np.random.randint(1,10,size=9)
print(b1)
print(a1 + b1)
print(a1 - b1)
print(a1 * b1)
print(a1 / b1)
print(a1 // b1)
print(a1 % b1)

a2 = np.arange(1,10).reshape(3,3)
print(a2)
b2 = np.random.randint(1,10,(3,3))
print(b2)

print(np.add(a2,b2))
print(np.subtract(a2,b2))
print(np.multiply(a2,b2))
print(np.divide(a2,b2))
print(np.floor_divide(a2,b2))
print(np.power(a2,b2))

a1 = np.random.randint(-10, 10, size=5)
print(a1)
print(np.absolute(a1))
print(np.abs(a1))

print(a1)
print(np.square(a1))
print(np.sqrt(a1))

a1 = np.random.randint(1,10,size=5)
print(a1)
print(np.exp(a1))
print(np.exp2(a1))
print(np.power(a1, 2))

구분	함수	설명
삼각함수	np.sin(array)	요소별 사인
	np.cos(array)	요소별 코사인
	np.tan(array)	요소별 탄젠트
	np.arcsin(array)	요소별 아크 사인
	np.arccos(array)	요소별 아크 코사인
	np.arctan(array)	요소별 아크 탄젠트
	np.arctan2(array1, array2)	요소별 아크 탄젠트 array1/array2
	np.sinh(array)	요소별 하아퍼블릭 사인
	np.cosh(array)	요소별 하아퍼블릭 코사인
	np.tanh(array)	요소별 하아퍼블릭 탄젠트
	np.arcsinh(array)	요소별 하이퍼블릭 아크 사인
	np.arccosh(array)	요소별 하이퍼블릭 아크 코사인
	np.arctanh(array)	요소별 하이퍼블릭 아크 탄젠트
	np.deg2rad(array)	요소별 각도에서 라디안 변환
	np.rad2deg(array)	요소별 라디안에서 각도 변환

t = np.linspace(0, np.pi, 3)
print(t)
print(np.sin(t))
print(np.cos(t))
print(np.tan(t))

x = [-1, 0, 1]
print(x)
print(np.arcsin(x))
print(np.arccos(x))
print(np.arctan(x))

(3) 집계 함수

함수	NaN 안전모드	설명
np.sum	np.nansum	요소의 합
np.cumsum	np.nancumsum	요소의 누적 합
np.diff	N/A	요소의 차분
np.prod	np.nanprod	요소의 곱
np.cumprod	np.nancumprod	요소의 누적 곱
np.dot	N/A	점 곱(dot product)
np.matmul	N/A	행렬 곱
np.tensordot	N/A	텐서곱(tensor product)
np.cross	N/A	벡터 곱
np.inner	N/A	벡터 내적
np.outer	N/A	벡터 외적
np.mean	np.nanmean	요소의 평균 계산
np.std	np.nanstd	표준편차 계산
np.var	np.nanvar	분산
np.min	np.nanmin	최소값
np.max	np.nanmax	최대값
np.argmin	np.nanargmin	최소값 인덱스
np.argmax	np.nanargmax	최대값 인덱스
np.median	np.nanmedian	중앙값
np.percentile	np.nanpercentile	요소의 순위 기반 백분위 수 계산
np.any	N/A	요소 중 참이 있는지 평가
np.all	N/A	모든 요소가 참인지 평가

a2 = np.random.randint(1, 10, size=(3,3))
print(a2)
print(a2.sum(), np.sum(a2))
print(a2.sum(axis=0), np.sum(a2, axis=0))
print(a2.sum(axis=1), np.sum(a2, axis=1))

a2 = np.random.randint(1, 10, size=(3,3))
print(a2)
print(np.cumsum(a2))
print(np.cumsum(a2, axis=0))
print(np.cumsum(a2, axis=1))

a2 = np.random.randint(1, 10, size=(3,3))
print(a2)
print(np.diff(a2))
print(np.diff(a2, axis=0))
print(np.diff(a2, axis=1))

a2 = np.random.randint(1, 10, size=(3,3))
print(a2)
print(np.prod(a2))
print(np.prod(a2, axis=0))
print(np.prod(a2, axis=1))

a2 = np.random.randint(1, 10, size=(3,3))
print(a2)
print(np.cumprod(a2))
print(np.cumprod(a2, axis=0))
print(np.cumprod(a2, axis=1))

print(a2)
b2 = np.ones_like(a2)
print(b2)
print(np.dot(a2, b2))
print(np.matmul(a2, b2))

print(a2)
print(b2)
print(np.tensordot(a2, b2))
print(np.tensordot(a2, b2, axes=0))
print(np.tensordot(a2, b2, axes=1))

x = [1,2,3]
y = [4,5,6]
print(np.cross(x, y))

print(a2)
print(b2)
print(np.inner(a2, b2))
print(np.outer(a2, b2))

print(a2)
print(np.mean(a2))
print(np.mean(a2, axis=0))
print(np.mean(a2, axis=1))

print(a2)
print(np.std(a2))
print(np.std(a2, axis=0))
print(np.std(a2, axis=1))

print(a2)
print(np.var(a2))
print(np.var(a2, axis=0))
print(np.var(a2, axis=1))

print(a2)
print(np.min(a2))
print(np.min(a2, axis=0))
print(np.min(a2, axis=1))

print(a2)
print(np.max(a2))
print(np.max(a2, axis=0))
print(np.max(a2, axis=1))

print(a2)
print(np.argmin(a2))
print(np.argmin(a2, axis=0))
print(np.argmin(a2, axis=1))

print(a2)
print(np.argmax(a2))
print(np.argmax(a2, axis=0))
print(np.argmax(a2, axis=1))

print(a2)
print(np.median(a2))
print(np.median(a2, axis=0))
print(np.median(a2, axis=1))

a1 = np.array([0,1,2,3])
print(a1)
print(np.percentile(a1, [0, 20, 40, 60, 80, 100], interpolation='linear'))
print(np.percentile(a1, [0, 20, 40, 60, 80, 100], interpolation='higher'))
print(np.percentile(a1, [0, 20, 40, 60, 80, 100], interpolation='lower'))
print(np.percentile(a1, [0, 20, 40, 60, 80, 100], interpolation='nearest'))
print(np.percentile(a1, [0, 20, 40, 60, 80, 100], interpolation='midpoint'))

a2 = np.array([[False, False, False],
               [False, True, True],
               [False, True, True]])
print(a2)
print(np.any(a2))
print(np.any(a2, axis=0))
print(np.any(a2, axis=1))

a2 = np.array([[False, False, True],
               [True, True, True],
               [False, True, True]])
print(a2)
print(np.all(a2))
print(np.all(a2, axis=0))
print(np.all(a2, axis=1))

(4) 비교 연산

연산자	비교 범용 함수	설명
==	np.equal
!=	np.not_equal
<	np.less
<=	np.less_equal
>	np.greater
>=	np.greater_equal

비교 범용 함수	설명
np.isclose	배열 두 개가 (z*1e+02)% 내외로 가까우면 True, 아니면 False
np.isinf	배열이 inf이면 True, 아니면 False
np.isfinite	배열이 inf, nan이면 False, 아니면 False
np.isnan	배열이 nan이면 True, 아니면 False

a1 = np.arange(1, 10)
print(a1)
print(a1 == 5)
print(a1 != 5)
print(a1 < 5)
print(a1 <= 5)
print(a1 > 5)
print(a1 >= 5)

a2 = np.arange(1,10).reshape(3,3)
print(a2)
print(np.sum(a2))
print(np.count_nonzero(a2 > 5))
print(np.sum(a2 > 5))
print(np.sum(a2 > 5, axis=0))
print(np.sum(a2 > 5, axis=1))
print(np.any(a2 > 5))
print(np.any(a2 > 5, axis=0))
print(np.any(a2 > 5, axis=1))
print(np.all(a2 > 5))
print(np.all(a2 > 5, axis=0))
print(np.all(a2 > 5, axis=1))

a1 = np.array([1,2,3,4,5])
print(a1)
b1 = np.array([1,2,3,3,4])
print(b1)
print(np.isclose(a1, b1))

a1 = np.array([np.nan, 2, np.inf, 4, np.NINF])
print(a1)
print(np.isnan(a1))
print(np.isinf(a1))
print(np.isfinite(a1))

연산자	비교 범용 함수	설명
&	np.bitwise_and
|	np.bitwise_or
^	np.bitwise_xor
~	np.bitwise_not

a2 = np.arange(1,10).reshape(3,3)
print(a2)

print((a2 > 5) & (a2 < 8))
print(a2[(a2 > 5) & (a2 < 8)])

print((a2 > 5) | (a2 < 8))
print(a2[(a2 > 5) | (a2 < 8)])

print((a2 > 5) ^ (a2 < 8))
print(a2[(a2 > 5) ^ (a2 < 8)])

print((a2 > 5) & (a2 < 8))
print(a2[(a2 > 5) & (a2 < 8)])

print(~(a2 > 5))
print(a2[~(a2 > 5)])

(5) 배열 정렬 sort

함수	설명	인자
np.sort	배열을 정렬	array_like, axis
np.argsort	배열을 정열하였을 때 인덱스 반환	array_like, axis
np.partition	배열에서 k개의 작은 값을 반환	array_like, k, axis

a1 = np.random.randint(1,10,size=10)
print(a1)
print(np.sort(a1))
print(a1)
print(np.argsort(a1))
print(a1)
print(a1.sort())
print(a1)

a2 = np.random.randint(1,10, size=(3,3))
print(a2)
print(np.sort(a2, axis=0))
print(np.sort(a2, axis=1))

a1 = np.random.randint(1,10, size=10)
print(a1)
print(np.partition(a1, 3))

a2 = np.random.randint(1,10,size=(5,5))
print(a2)
print(np.partition(a2, 3))
print(np.partition(a2, 3, axis=0))
print(np.partition(a2, 3, axis=1))

 

7. 배열 입출력

함수	설명	파일종류	인자
np.save	NumPy 배열 객체 1개를 파일에 저장	바이너리	file_name, array
np.savez	NumPy 배열 객체 여러 개를 파일에 저장	바이너리	file_name, arrays
np.load	NumPy 배열 저장 파일로부터 객체 로딩	바이너리	file_name
np.loadtxt	텍스트 파일로부터 배열 로딩	텍스트
np.savetxt	텍스트 파일에 NumPy배열 객체 저장	텍스트

a2 = np.random.randint(1,10, size=(3,3))
print(a2)
np.save("a", a2)

b2 = np.random.randint(1,10, size=(3,3))
print(b2)
np.savez("ab", a2, b2)

npy = np.load("a.npy")
print(npy)

npz = np.load("ab.npz")
print(npz.files)
print(npz['arr_1'])

print(a2)
np.savetxt("a.csv", a2, delimiter=',')

csv = np.loadtxt("a.csv", delimiter=',')
print(csv)

print(b2)
np.savetxt("b.csv", b2, delimiter=',', fmt='%.2e', header='c1,c2,c3')

csv = np.loadtxt("b.csv", delimiter=',')
print(csv)