🥴 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.

1次元アレイ

arr1 = np.array([1,2,3,4])

2 2 Dアレイ

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の概念

axisの

仕様における意味

📌 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...

「ティノキン」のような文字があれば、>エラーが発生します.

ですが、「1234」という数字があればintできます.

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...

整数および実数>が実数に変更されます.ただし、dtypeを指定すると、必要な形状に変更できます.

の整数と文字列>文字列に変更されます.ただし、dtypeを指定すると、必要な形状に変更できます.例外がある場合は、上記の注意を参照してください.

😀 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.