[머신러닝을 위한 파이썬] 2. numpy 활용 예제

이 글은 boostcourse 강의를 듣고 작성한 글입니다.

 

>>알아야하는 문법

• numpy 배열 생성법
• 0 배열 / 1 배열  생성법
• shape / reshape
• concatenate
• axis
• indexing VS slicing
• Operation, Comparison
• Boolean Index
• Fancy Index
• BroadCasting
• 배열 저장, pickle

>>신경 써야하는 부분

• numpy는 c스타일 배열 => 기존 파이썬 배열보다 빠르다.
• numpy 메서드가 복사된 배열을 반환하는지, 참조하는지 구분해야한다!!
   => 나중에 큰 데이터를 다룰 때 필요
• 연산 시에 BroadCasting이 어떻게 되는지 알아야된다.
• shape이 1차원인지 2차원인지
  [1,2,3,4,5] => 1차원,  [[1,2,3,4,5]] => 2차원

 

예제 설명은 이곳을 참고하자.

 

>>답안 코드

numpyPractice.zip

0.00MB

 

#1.

def n_size_ndarray_creation(n, dtype=np.int):

    return np.arange(n**2).reshape(n,n)

 

#2.

def zero_or_one_or_empty_ndarray(shape, type=0, dtype=np.int):
    if type == 0:
        return np.zeros(shape = shape, dtype = dtype)
    elif type == 1:
        return np.ones(shape = shape, dtype = dtype)
    else:
        return np.empty(shape = shape, dtype = dtype)

 

#3.

def change_shape_of_ndarray(X, n_row):

    return X.reshape(n_row,-1)

 

#4.

def concat_ndarray(X_1, X_2, axis):
    try:
        return np.concatenate((X_1,X_2),axis = axis)
    except ValueError:
        return False

 

#5.

def normalize_ndarray(X, axis=99, dtype=np.float32):
    if axis == 99:
        mean = np.mean(X)
        std = np.std(X)
    elif axis == 1:
        mean = np.mean(X,axis = 1).reshape(-1,1)
        std = np.std(X,axis = 1).reshape(-1,1)
    elif axis == 0:
        mean = np.mean(X,axis = 0).reshape(1,-1)
        std = np.std(X,axis = 0).reshape(1,-1)

    return (X - mean) / std

 

#6.

def save_ndarray(X, filename="test.npy"):
    file = open(filename,"wb")
    np.save(X,file)

 

#7.

def boolean_index(X, condition):
    condition = eval(str('X')+condition)
    
    return np.where(condition)

 

#8.

def find_nearest_value(X, target_value):

    return X[np.argmin(np.abs(X-target_value))]

 

#9.

def get_n_largest_values(X, n):
    return np.sort(X)[::-1][:n]
    #return X[np.argsort(X[::-1])[:n]]