디지털 은행원 이야기

안녕하세요. Numpy 세번째 시간입니다. 앞전 2개의 글에 배열을 선언한 뒤 붙이고 나누는 등 기본적인 활용법에 대해 공부했었는데요. 이번엔 Numpy 의 연산, 브로드캐스팅, 집계함수 및 마스킹연산에 대해 공부해보도록 하겠습니다. # Numpy 연산 def add_five_to_array(values): output = np.empty(len(valus)) for i in range(len(values)): output[i] = values[i] + 5 return output values = np.random.randint(1, 10, size=5) add_five_to_array(values) big_array = np.random.randint(1, 100, size=10000000) add_f..

안녕하세요. 이번글에서는 넘파이에서 배열과 관련된 기초적인 내용을 학습해보겠습니다. #1 배열의 기초 먼저 배열의 기초에 관해 코드로 한번 확인해보겠습니다. x2 = np.random.randint(10, size=(3,4)) # array([[2, 2, 9, 0], #[4, 2, 1, 0], # [1, 8, 7, 3]]) x2.ndim # 2 x2.shape # (3, 4) x2.size # 12 x2.dtype # dtype('int64') 먼저 3, 4 크기의 배열 x2를 생성하였습니다. ndim 은 배열의 차원을 확인하는 것이고 shape 는 배열의 모양, size는 배열에 몇개의 데이터가 들어있는지 그리고 마지막으로 dtype은 데이터 타입을 확인하는 명령어입니다. # 배열안의 원소 찾기 및 잘..

안녕하세요. 저는 원래 Java를 활용해 웹개발을 주로 했었는데요. 이번에 Numpy라는 파이썬의 라이브러리를 활용해 데이터 분석 기초와 관련된 공부를 해볼 기회가 생겼습니다. 파이썬을 써보지는 않았지만 훨씬 직관적이고 사용하기에 편리해 많이들 사용하고 있다고 들었고 따라서 Numpy를 공부하며 파이썬 역시 조금씩 공부해볼까 합니다. #1 배열 만들기 # Phthon List list(range(10)) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] # Numpy import numpy as np np.array([1, 2, 3, 4, 5]) # array([1, 2, 3, 4, 5]) np.array([3, 1.4, 2, 3, 4]) # array([3., 1.4, 2., 3., 4. ])..