전치(transpose) 행과 열을 바꾸는 작업 - T로 표기 a = np.array([[1,2,3],[4,5,6]]) print(a) ''' [[1,2,3] [4,5,6]] ''' print(a.T) ''' [[1,4] [2,5] [3,6]] ''' 크기 변형 배원 차원 변형 - reshape a = np.arange(12) print(a) # [0 1 2 3 4 5 6 7 8 9 10 11] b=a.reshape(3,4) print(b) ''' [[0 1 2 3] [4 5 6 7] [8 9 10 11]] ''' reshape() 함수 안에 -1로 대체 가능 ( 원소 개수는 정해져 있어서 가능 ) ※ reshape한 배열들은 완전히 다른 배열이다. a = np.arange(12) print(a) # [..

NumPy 자료형 - ndarray 클래스의 원소는 모두 같은 자료형이어야 함 - np.array로 배열을 만들 때 dtype으로 자료형을 명시 * dtype 인수가 없다면 자료형을 스스로 유추해냄 import numpy as np a = np.array([1,2,3]) print(a.dtype) # int64 a = np.array([1.0,2.0,3.0]) print(a.dtype) # float64 a = np.array([1,2,3.0]) print(a.dtype) # float64 dtype 접두사 설명 사용 예 b 불리언 b (참 혹은 거짓) i 정수 i8 (64비트) u 부호 없는 정수 u8 (64비트) f 부동소수점 f8 (64비트) c 복소 부동소수점 c16 (128비트) O 객체 0 ..

인덱싱 기존의 인덱싱과 매우 유사 import numpy as np a = np.array([0,1,2,3,4]) print(a) #[0 1 2 3 4] print(a[0]) # 0 print(a[1]) # 1 print(a[-1]) # 4 n차원 일 때는 콤마( , )로 구분 import numpy as np a = np.array([[0,1,2],[3,4,5]) print(a) ''' 결과 [[0 1 2] [3 4 5]] ''' print(a[0,0]) # 0 print(a[0,1]) # 1 print(a[1,0]) # 3 print(a[-1,-1]) # 5 슬라이싱 기존의 인덱싱과 매우 유사 a = np.array([0,1,2,3,4]) print(a) # [0 1 2 3 4] print(a[1:3..