numpy
-
머신러닝: 파이썬 Pytorch 사용하기!머신러닝 2020. 11. 9. 19:05
1. torch.rand(a, b) : 0 ~ 1사이의 값을 갖는 a x b 텐서생성 import torch x = torch.rand(5, 3) x tensor([[0.2107, 0.1415, 0.2014], [0.3747, 0.4420, 0.9662], [0.8733, 0.0158, 0.6805], [0.8282, 0.7829, 0.2063], [0.9674, 0.3998, 0.0489]]) tensor형태로 출력 2. tensor 값 지정해주기 x = torch.tensor([[0,1,1,2], [2,2,3,1]]) x tensor([[0, 1, 1, 2], [2, 2, 3, 1]]) 3. torch.zeros(a, b) : 0 값을 가진 a x b의 tensor 생성 torch.ones(a, b)..
-
데이터 사이언스: numpy 연산과 통계 값들 구하기(표준편차, 분산, 평균, 중앙값...)데이터 사이언스 2020. 7. 18. 19:45
기존 파이썬 리스트의 연산과는 달리 numpy 배열의 연산은 배열 원소들간의 사칙 연산입니다. 각 위치마다 정해진 값을 따로 연산하기 때문에 numpy배열의 모양(shape)이 다른 경우에는 연산이 되지 않아 오류가 뜹니다. 따라서 numpy배열끼리의 사칙연산을 코딩하기 위해서는 우선적으로 각 배열의 shape을 확인하여야 합니다. import numpy as np x = np.arange(10) y = np.arange(10,20) print(x) print(y) [0 1 2 3 4 5 6 7 8 9] [10 11 12 13 14 15 16 17 18 19] numpy 라이브러리를 추가해주고 리스트 x와 y를 만들어줍시다. x + 2 array([ 2, 3, 4, 5, 6,..
-
데이터 사이언스: numpy 기본사용법과 인덱싱(Indexing) 공부하기!데이터 사이언스 2020. 7. 18. 04:13
numpy란? numpy는 행렬이나 일반적으로 대규모 다차원 배열을 쉽게 처리할 수 있도록 지원을 해주는 파이썬의 라이브러리이다. import numpy as np np_array = np.array([1, 2, 3, 4, 5, 6]) np_array array([1, 2, 3, 4, 5, 6]) numpy를 사용하기 위해서 import numpy as np를 해줍니다. 주로 numpy를 매번 쓰기 힘드니까 편하게 np라고 선언해줍니다. (국룰입니다) np_array.shape = (2, 3) np_array array([[1, 2, 3], [4, 5, 6]]) (2, 3)의 크기로 행렬을 재배치해서 나타냅니다. np_array.shape = (m,n)이라 할 때, np_a..