Numpy (1)
1845 ワード
🥴 Numpy (1)
📌 Numpy
これは数学、科学計算モジュールを意味する.import numpy as np
📌 ndarray
n次元配列を表します.またdtypeを設定することもできます.
import numpy as np
arr1 = np.array([1,2,3,4])
arr2 = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12], [13,14,15,16]])
np.array([1,2,3,4]) ≠ [1,2,3,4]
mylist1 = [1,2,3,4,5,6]
arr1 = np.array(mylist1)
arr1.shape # (6, )
📌 shape
arr1.shape # (4, )
arr2. shape # (2,4)
shapeで、どんな基準なのかわかります.ex.1次元か2次元かわかります.
📌 axis
axisの
📌 アレイ内のデータ型
💛 Case 1:整数と実数の混合
いずれもミスの形で変わる.
💛 Case 2:整数と実数を混合する場合は+dtypeを指定します。
dtype=intを指定すると、すべて整数に変更されます.
💛 Case 3:整数と文字の混合
文字型になります.したがって、+演算子を使用して文字列を接続できます.
💛 Case 4:整数と文字タイプが混在している場合は+dtypeを指定します。
if dtype=intに設定...
arr = np.array([1, 3.14, '티노킴', '1234'], dtype = int) # 불가능
arr = np.array([1, 3.14, '1234'], dtype=int) # 가능
整理すると...😀 終了..。
shapeとaxisはカレンダーの中で重要なコンセプトなので、よく理解しましょう~!
データを分析するとき、私たちは多くのデータを処理します.データの形状を理解してこそ、データの形状を理解することができます.
axisによってどのように演算するかを決定できるからです.
Reference
この問題について(Numpy (1)), 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