728x90 Python10 [NumPy] NumPy 배열의 인덱싱과 슬라이싱 NumPy 배열에서 원하는 데이터를 추출하는 방법NumPy 배열은 Python 리스트처럼 인덱싱과 슬라이싱을 지원한다. 다만, NumPy 배열은 다차원 배열을 지원하므로 데이터를 보다 직관적이고 효율적으로 추출할 수 있다. 인덱싱과 슬라이싱은 데이터를 탐색하고 전처리할 때 매우 유용하다. 1. 인덱싱import numpy as np# 10x10 매트릭스 생성mat = np.arange(0, 100).reshape(10, 10)# 0번째 행, 1번째 열의 값 접근print(mat[0, 1]) # 출력: 1위 코드에서는 2D 배열에서 특정 요소를 추출한다. mat[0, 1]은 첫 번째 행(0)과 두 번째 열(1)에 위치한 값인 1을 반환한다. 2. 슬라이싱NumPy 배열에서 슬라이싱은 부분 배열을 추출하는.. 2025. 1. 28. [NumPy] 배열의 유용한 메서드 NumPy 에 있는 다양한 메서드를 통해 배열의 최댓값, 최솟값, 평균값 등을 손쉽게 계산할 수 있다. arr.max(): 배열에서 최댓값을 반환한다. arr.argmax(): 배열에서 최댓값이 위치한 인덱스를 반환한다.arr.min(): 배열에서 최솟값을 반환한다.arr.argmin(): 배열에서 최솟값이 위치한 인덱스 를 반환한다.arr.mean(): 배열의 평균값을 반환한다.import numpy as nparr = np.array([10, 20, 5, 40, 15])print("Max value:", arr.max()) # 최댓값: 40print("Index of max value:", arr.argmax()) # 최댓값의 인덱스: 3print("Min value:", arr.mi.. 2025. 1. 24. [NumPy] NumPy에서 랜덤 숫자 생성하기 NumPy는 데이터 분석과 머신러닝에서 중요한 랜덤 숫자 생성 기능을 제공한다. NumPy에서 자주 사용하는 랜덤 숫자 생성 도구인 np.random.seed, np.random.randint, 그리고 np.random.rand를 알아보자. 1. np.random.seed()랜덤 시드를 설정하면 동일한 랜덤 숫자를 반복적으로 생성할 수 있기 때문에 코드 실행마다 같은 결과를 얻을 수 있기 때문에 재현 가능성(reproducibility) 을 확보할 수 있다.import numpy as np# 랜덤 시드 설정np.random.seed(101)# 0 이상 100 미만의 정수 10개 생성arr = np.random.randint(0, 100, 10)print(arr)### 출력[95 11 81 70 63 87.. 2025. 1. 23. [NumPy] NumPy로 배열을 생성하는 방법 NumPy는 배열을 다양한 방법으로 쉽게 생성할 수 있는데, 그 중에서도 자주 사용되는 함수들이 있다. 1. np.arange()np.arange()는 일정 간격의 값을 가지는 배열을 생성할 수 있다. 기본적으로는 0부터 시작해서 지정한 숫자까지 값을 생성하는데, 원하는 간격으로 숫자를 설정할 수도 있다.import numpy as np# 기본 설정: 0부터 10까지 (10은 포함되지 않음), 1씩 증가array1 = np.arange(0, 10)print(array1) # [0 1 2 3 4 5 6 7 8 9]# 사용자 지정 증가 폭array2 = np.arange(0, 10, 2)print(array2) # [0 2 4 6 8] 첫 번째 예시는 0부터 10까지 (10은 포함되지 않음) 1씩 증가하.. 2025. 1. 22. 이전 1 2 3 다음 반응형