Python-배열 3편

직접 내용 정리하고 만든 예이니 퍼가실 때는 출처를 남겨주세요 :)

※ 도움이 될 만한 포스팅

참고로, 최근 포스팅 순서대로 정리해두었습니다.

Python-배열 2편

Python- 리스트, 튜플/ 배열 1편

Python - 내장함수 2편과 이터레이터,제너레이터,코루틴,정규표현식

Python - 모듈(외장함수) 2편(feat.파일 입출력과 추상클래스...)

Python - 설치없이 이용하기,실행, 사용법

Python - 모듈(외장함수) 1편

Python - 클래스 2편

Python - 클래스 1편

Python-함수

Python - 제어문

Python-자료형(사전형,집합)

Python-자료형(리스트,튜플)

Python - 자료형 (숫자형,문자열,불린형)

Python - 내장함수 1편

728x90

---

배열 연결(concatenate)

(1) hstack

이때 h는 행을 말하며, 행의 수가 같은 두 개 이상의 배열을 옆으로 연결하여 열의 수가 더 많은 배열을 만듭니다. 또한 연결할 배열은 하나의 리스트에 담아야 합니다.

(2) vstack

이때 v는 열을 말하며, 열의 수가 같은 두 개 이상의 배열을 위, 아래로 연결하여 행의 수가 더 많은 배열을 만듭니다. 또한 연결할 배열은 하나의 리스트에 담아야 합니다.

(3) dstack

이 때 d는 깊이를 말하며, 행과 열이 같은 두 개 이상의 배열을 깊이 방향으로 배열을 합칩니다.

(4) stack

dstack의 확장 버전으로, 배열들의 크기가 모두 같아야 합니다. 인수로 axis를 사용할 수 있으며, 기본 값(디폴트)값은 axis=0입니다.

(5) r_ 메소드

hstack과 비슷한 명령으로, 배열을 좌우로 연결합니다. 인덱싱처럼 대괄호([])을 이용합니다.

참고로, r_메소드와 같은 특수 메소드를 인덱서(indexer)라고 합니다.

(6) c_메소드

배열의 차원을 증가시킨 후 좌우로 연결합니다. 

1차원 배열을 연결하게 되는 예를 생각해보게 되면 2차원 배열이 된다는 것을 알 수 있습니다.

(7) tile

동일한 배열을 반복해서 연결할 때 사용합니다.

import numpy as np
a = np.array([[70,80],[110,120]]) 
b = np.array([[1,2,3],[4,5,6]])
np.hstack([a,b])
c = np.array([[10,20,30]])
np.vstack([b,c])
d = np.array([[10,11,12],[13,14,15]])
np.dstack([b,d])
np.dstack([b,d]).shape
np.stack([b,d],axis=0) #깊이(면) 
np.stack([b,d],axis=1) #행
np.stack([b,d],axis=2) #열
np.column_stack([b,d]) #열로 추가
np.r_[b,d]
np.c_[b,d]
np.tile(a,2)
np.tile(a,(2,4))

---

차원 축소 연산(dimension reduction)

○ 정의

2차원 배열인 행렬의 하나의 행에 있는 원소들을 하나의 데이터 집합으로 보았을 때, 그 집합의 *연산을 구하면 각 행에 대한 하나의 숫자가 나오게 되는데 이러한 연산을 차원 축소 연산이라고 합니다.

○ 2차원 이상의 배열일 경우에는 axis 인수를 넣어 원하는 면,행,열의 차원 축소연산을 할 수 있습니다.

2차원 배열일 경우에는 axis=0이 열이고, axis=1은 행입니다.

3차원 배열일 경우에는 axis=0이 면, axis=1이 행, axis=2가 열입니다.

*참고로, 연산 관련 메소드는 아래와 같습니다.

max	최대	argmax	최대값의 위치
min	최소	argmin	최소값의 위치
sum	합	mean	평균
median	중앙값	var	분산
std	표준편차
all	배열의 모든 원소가 True인지 평가하는 메소드	any	배열의 1개 이상의 원소가 True인지 평가하는 메소드

○ 예

import numpy as np
a = np.array([13,4,110,70])
np.min(a)
np.argmin(a)
np.max(a)
np.argmax(a)
np.sum(a)
np.mean(a)
np.median(a)
np.var(a)
np.std(a)
np.all([True,False,True,False])
np.any([True,False,True,False])
#axis 인수를 적용한 예
print(b.min(axis=0)) #열 중에 최소값 반환
print(b.min(axis=1)) #행 중에 최소값 반환

 

*참고로, 차원 축소 연산 관련 메소드에서 간략히 알아본 통계 함수(max,min,sum,median,std,var,mean,std)에 대한 설명을 덧붙이겠습니다.

Numpy 기술 통계(descriptive statistics)

▶ 데이터 개수를 알아보는 함수 -> len(x)

▶ (샘플) 평균을 알아보는 함수 -> mean(x)

이에 대한 수학 수식은 아래와 같습니다.

▶ 분산을 알아보는 함수 -> var(x)

데이터와 샘플 평균 간의 거리의 제곱의 평균입니다. 이 값이 작다면 데이터가 모여있다는 것을 알 수 있고, 크다면 데이터가 흩어져 있다는 것을 알 수 있습니다.

이에 대한 수학 수식은 아래와 같습니다.

▶ 표준편차를 알아보는 함수 -> std(x)

이에 대한 수학 수식은 아래와 같습니다.

▶ 최댓값을 알아보는 함수 -> max(x)

▶ 최소값을 알아보는 함수 -> min(x)

▶ 중앙값을 알아보는 함수 -> median(x)

데이터를 크기대로 정렬 했을 때 가장 가운데에 있는 수를 의미합니다.

데이터 개수가 짝수일때는 중앙의 두 수의 평균을 사용합니다.

▶ 사분위수(Quartile)를 알아보는 함수

-> 최소값 percentile(x,0)

-> 1사분위 수 percentile(x,25)

-> 2사분위 수 percentile(x,50)

-> 3사분위 수 percentile(x,75)

-> 최대값 percentile(x,100)

데이터를 크기대로 정렬하였을 때 1/4, 2/4, 3/4 위치에 있는 수를 말하며, 이를 1분위수, 2분위수, 3분위 수라 말합니다. 이 방법 외에도 위치를 1/100 단위로 나눈 백분위 수를 사용하기도 합니다. 이 때 1분위 수는 25%, 2분위 수는 50%, 3분위 수는 75% 입니다.

---

정렬

○ 2차원 이상의 배열일 경우에는 axis 인수를 넣어 원하는 면,행,열의 정렬을 할 수 있습니다.

2차원 배열일 경우에는 axis=0이 열이고, axis=1은 행입니다.

3차원 배열일 경우에는 axis=0이 면, axis=1이 행, axis=2가 열입니다.

○ sort는 자료를 정렬할 때 쓰고, argsort는 순서를 알고 싶을 때 씁니다.

○ 예

import numpy as np
x=np.array([[5,6,2,1],[4,8,9,1],[20,8,10,1]]) #2차원 배열
np.sort(x)
np.sort(x,axis=0)
np.sort(x,axis=1)
np.argsort(x)