반응형
import numpy as np
x = np.arange(10)
print(x)
print(x[3]) # 4번째 것
print(type(x[3])) # numpy 객체
print(type(3)) # 유형 : int
y = x[3]
y =4 # x[3] 값 안 변함
print(x[3:6])
y = x[3:6] # slicing --> call by reference
y[0] =100
print(x) # x = [0,1,2,100,4,5]
print(x[0:6]) # == print(x[:6])
print(x[4:]) # 4부터 끝까지
print(x[1:7:2]) # 시작 : 끝 : 사이단계
print(x[::2]) # 시작과 끝은 생략 가능
print(x[5:1:-1]) # 시작 : 끝 : 거꾸로 --> 끝은 포함 x
y = x[::-1] # 거꾸로
x=np.arange(10) # x= 0~9
x[:3] = 100 # 100, 100, 100, 3,4 쭉쭉
x[::2] = [10,20,30,40,50] # 10,100,20,3 쭉쭉
#2D
x=np.arange(25).reshape(5,5) # 0~24까지, 24까지
print(x)
print('\n')
print(x[2])
print(x[2:4])
print(x[2,2]) #(2,2)에 접근 # = x[2][2]
print(x[:,1:3]) #행방향 모두 포함 , 열방향 1,2
x=np.arange(24).reshape((2,3,4)) #3 by 4 행렬이 2개
print(x[:,:,2]) # 모든 행렬에서 : 모든 행에서 : 3열
print(x.shape)
print('\n')
x.reshape((2,1,3,4)) # = x[:,np.newaxis,:,:].shape
print(x)
반응형
'데이터 분석' 카테고리의 다른 글
Pandas 패키지 (0) | 2022.08.12 |
---|---|
array의 저장 / 불러오기 (0) | 2022.08.11 |
Array의 연산 (0) | 2022.08.11 |
Numpy 패키지 (0) | 2022.08.09 |
데이터 분석이란 (0) | 2022.08.09 |
댓글