728x90 반응형 numpy4 [Python] np.argmax, np.argmin - 넘파이 최댓값, 최솟값 인덱스 찾기 오늘은 넘파이 어레이의 최솟값, 최댓값 인덱스를 찾는 함수에 대해 포스팅하겠다. np.argmax(), np.argmin() 0~100까지의 10개 랜덤 어레이를 구성하겠다. random_num = np.random.randint(0,100,size=10) print(random_num) # array([84, 63, 80, 84, 90, 98, 15, 92, 5, 12]) 랜덤 어레이의 최댓값과 최솟값은 다음과 같다. print(random_num.max(), random_num.min()) # 98 5 우선 첫번째로 최댓값인 98의 인덱스를 np.argmax()를 통해 찾아보겠다. max_idx = np.argmax(random_num) print(max_idx) # 5 다음으로 최솟값의 5의 인덱스.. 2022. 9. 12. [Python] np.concatenate() - 넘파이 어레이 합치기 오늘은 넘파이 어레이들을 특정 축 기준으로 합치는 방법에 대해 소개하고자 한다. np.concatenate() 해당 함수는 특정 어레이들을 합칠 때 유용하게 사용된다. 이를 알아보기 위해 사이즈 (3,3)인 어레이와 (1,3)인 어레이를 합쳐보도록 하자. [입력값 생성] import numpy as np array_1 = np.random.randint(0,10,size = [3,3]) array_2 = np.random.randint(0,10,size = [1,3]) print(array_1) """ [[0 5 5] [4 3 7] [6 8 4]] """ print(array_2) # [[4 6 5]] [concat] np.concatenate([array_1,array_2]) """ array([[0,.. 2022. 9. 12. [Python] numpy - np.linspace와 np.arange의 차이점 오늘은 np.linspace와 np.arange의 차이점에 대해 포스팅을 하고자 한다. np.linspace() 우선 np.linspace와 np.arange 모두 numpy array를 생성하는 함수이다. 또한 입력받는 argument들도 3개여서 간혹 헷갈리는 경우가 있다. 다만, 이 두개의 함수들은 numpy를 어떻게 생성할 것인가에 극명한 차이점을 보인다. 우선 np.linspace()는 "정수값 개수"으로 numpy array를 생성한다. [np.linspace를 사용하여 array 생성] numpy array를 1부터 100까지 포함 100개를 생성 import numpy as np linspace_array = np.linspace(1,100,100) print(linspace_array) .. 2022. 9. 9. [Python] np.where() - 조건에 맞는 인덱스 찾기 오늘은 넘파이 어레이에 조건에 맞는 인덱스를 찾는 함수에 포스팅하겠다. np.where() - 1D [ 1D array 생성 ] 우선 0~100까지의 어레이를 구성하겠다. 사이즈는 10. import numpy as np random_num = np.random.randint(0,100,size=10) print(random_num) # array([84, 63, 80, 84, 90, 98, 15, 92, 5, 12]) [최댓값, 최솟값 출력] 예시로 넘파이 어레이의 최댓값과 최솟값의 인덱스를 찾기 위해 각 값들을 출력해보겠다. print(random_num.max(), random_num.min()) # 98 5 [np.where 사용] 이후 np.where()를 통해 각 값들이 random_num과 .. 2022. 8. 30. 이전 1 다음 728x90 반응형
