Numpy (5)
1560 ワード
🥴 Numpy (5)
📌 Matrix
データ解析には行列が欠かせない.
📌 加算
a = np.array([[1, 2, 3],
[2, 3, 4]])
np.sum(a, axis = 0) # 위에서 아래로 더하기
np.sum(a, axis = 1) # 왼쪽에서 오른쪽으로 더하기
📌 減算
📌 乗算(Dot Product)
乗算なら上のように形が同じでいいです.
同じ位置にある場合は、>通常乗算を使用します.
通常乗数a*bを使用します.
a = np.array([[1, 2, 3],
[2, 3, 4]])
b = np.array([[3, 4, 5],
[1, 2, 3]])
a * b
a = np.array([[3, 4, 5],
[1, 2, 3],
[7, 8, 9]])
b = np.array([[1, 2],
[3, 4],
[5, 6]])
np.dot(a,b)
📌 Broadcasting
a = np.array([[1, 2, 3],
[2, 3, 4]])
a+3
a-3
a*3
a/3
このように自分で形を調整するので、それを規範的に演算する必要はありません~!😀 終了..。
データ解析では行列が重要であるため,Broadcastingの計算をどのように理解し,使用するかが重要である~!
Reference
この問題について(Numpy (5)), 我々は、より多くの情報をここで見つけました https://velog.io/@tino-kim/Numpy-5テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol