[NumPy] 텍스트 파일 데이터를 배열로 로드하기: np.genfromtxt() 사용 및 설명
소개 np.genfromtxt(fname, dtype=, delimiter=None, skip_header=0, skip_footer=0, converters=None, missing_values=None, filling_values=None, usecols=None, names=None, excludelist=None, deletechars=None, replace_space='_', autostrip=False, case_sensitive=True, defaultfmt='f%i', unpack=None, usemask=False, loose=True, invalid_raise=True, max_rows=None, encoding='bytes', *, like=None) 함수는 텍스트 파일에서 데이터..
2024. 10. 4.
[NumPy] 배열을 파일로 저장하기: np.save() 사용 및 설명
소개 np.save(file, arr, allow_pickle=True, fix_imports=True) 함수는 배열 arr을 바이너리 파일로 저장하는 함수입니다. 저장된 파일은 .npy 확장자를 가지며, 이후에 데이터를 다시 불러올 때 편리하게 사용할 수 있습니다. 이 함수는 데이터를 영구적으로 저장하거나, 큰 데이터를 파일로 저장한 후 분석할 때 유용하게 사용됩니다. 기본 사용법import numpy as np# 배열 생성array = np.array([1, 2, 3, 4, 5])# 배열을 'array.npy' 파일로 저장np.save('array.npy', array)# 저장된 배열 불러오기loaded_array = np.load('array.npy')print("저장된 배열 불러오기:", loa..
2024. 10. 4.
[NumPy] 배열에서 임의 값 추출하기: np.random.choice() 사용 및 설명
소개 np.random.choice(a, size=None, replace=True, p=None) 함수는 주어진 배열 a에서 임의로 원소를 선택하는 함수입니다. 크기 size와 선택 여부에 따라 단일 원소 또는 여러 원소를 반환할 수 있으며, 선택이 중복될지 여부와 각 원소의 선택 확률 p도 지정할 수 있습니다. 이 함수는 데이터 샘플링, 시뮬레이션, 임의 선택 작업 등에 널리 사용됩니다. 기본 사용법import numpy as np# 배열에서 임의의 값 1개 선택array = np.array([1, 2, 3, 4, 5])random_choice = np.random.choice(array)# 배열에서 3개의 값 중복 없이 선택random_choices_no_replace = np.random.cho..
2024. 10. 4.
[NumPy] 정수 난수 배열 생성하기: np.random.randint() 사용 및 설명
소개 np.random.randint(low, high=None, size=None, dtype=int) 함수는 지정된 범위 low부터 high 사이의 정수 난수를 생성하는 함수입니다. 배열 크기와 데이터 타입을 지정할 수 있으며, 무작위로 생성된 정수 값을 반환합니다. 이 함수는 임의의 값 샘플링, 데이터 생성, 통계 시뮬레이션 등에서 유용하게 사용됩니다. 기본 사용법import numpy as np# 0 이상 10 미만의 정수 난수 5개 생성random_integers = np.random.randint(0, 10, size=5)# 2x3 배열에서 1 이상 6 미만의 정수 난수 생성random_array_2d = np.random.randint(1, 6, size=(2, 3))print("1D 정수..
2024. 10. 3.
[NumPy] 표준 정규 분포 난수 배열 생성하기: np.random.randn() 사용 및 설명
소개 np.random.randn(d0, d1, ..., dn) 함수는 주어진 차원 d0, d1, ..., dn에 따라 표준 정규 분포(평균 0, 표준편차 1)를 따르는 난수를 생성하는 함수입니다. 배열의 각 요소는 표준 정규 분포에 의해 무작위로 결정되며, 다양한 차원의 배열을 생성할 수 있습니다. 이 함수는 통계적 샘플링, 모델 초기화, 몬테카를로 시뮬레이션 등에서 자주 사용됩니다. 기본 사용법import numpy as np# 1차원 배열에서 5개의 표준 정규 분포 난수 생성random_array_1d = np.random.randn(5)# 2x3 배열에서 표준 정규 분포 난수 생성random_array_2d = np.random.randn(2, 3)print("1D 정규 분포 난수 배열:", r..
2024. 10. 3.
[NumPy] 랜덤한 배열 생성 생성하기: np.random.rand() 사용 및 설명
소개 np.random.rand(d0, d1, ..., dn) 함수는 주어진 차원 d0, d1, ..., dn에 따라 0과 1 사이의 균등 분포를 따르는 난수를 생성하는 함수입니다. 배열의 각 요소는 0 이상 1 미만의 난수로 채워지며, 다차원 배열을 만들 수 있습니다. 이 함수는 몬테카를로 시뮬레이션, 임의의 값 생성, 모델 초기화 등에 유용하게 사용됩니다. 기본 사용법import numpy as np# 1차원 배열에서 5개의 난수 생성random_array_1d = np.random.rand(5)# 2x3 배열에서 난수 생성random_array_2d = np.random.rand(2, 3)print("1D 랜덤 배열:", random_array_1d)print("2D 랜덤 배열:\n", rando..
2024. 10. 3.
[NumPy] 선형 방정식 해결하기: np.linalg.solve() 사용 및 설명
소개 np.linalg.solve(a, b) 함수는 주어진 행렬 a와 벡터 또는 행렬 b를 기반으로 선형 방정식 시스템 a * x = b의 해를 구하는 함수입니다. 이 함수는 시스템을 직접 풀기 위한 빠르고 효율적인 방법을 제공하며, 선형대수학, 과학적 계산, 머신러닝 등에서 자주 사용됩니다. 기본 사용법import numpy as np# 2x2 행렬의 방정식 시스템 해결A = np.array([[3, 1], [1, 2]])B = np.array([9, 8])solution = np.linalg.solve(A, B)print("방정식의 해:", solution)상세 설명a: 계수 행렬로, 반드시 정사각 행렬이어야 하며, 행렬의 각 요소는 시스템의 계수입니다.예시: np.linalg.solve([[3, ..
2024. 10. 3.
