3. Numpy 함수

1. Numpy 배열에서 제공해주는 함수

1.1 한개의 배열의 각 성분에 적용되는 함수

import numpy as np

a = np.arange(-10, 10)
# array([-10,  -9,  -8,  -7,  -6,  -5,  -4,  -3,  -2,  -1,   0,   1,   2,
#         3,   4,   5,   6,   7,   8,   9])

np.abs(a)
# Numpy의 함수에 Numpy 배열을 넣으면 그 연산 후 값을 반환해준다.
# abs는 절대값을 반환해주는 함수
#array([10,  9,  8,  7,  6,  5,  4,  3,  2,  1,  0,  1,  2,  3,  4,  5,  6,
#        7,  8,  9])

np.sqrt(a)
#위와같이 배열을 넣고 그 값을 반환해준다.
# sqrt는 제곱근(**0.5)을 계산해주는 함수
# 음수의 제곱근은 되지 않기때문에 오류를 뿜는다.
#array([        nan,         nan,         nan,         nan,         nan,
#               nan,         nan,         nan,         nan,         nan,
#        0.        ,  1.        ,  1.41421356,  1.73205081,  2.        ,
#        2.23606798,  2.44948974,  2.64575131,  2.82842712,  3.        ])

이 외에도 여러가지 있다.

square	각 성분에 제곱 계산
log숫자	밑이 숫자인 로그를 계산
sign	각 성분의 부호 계산(양수: 1, 음수: -1, 영: 0)
ceil	각 성분의 소수첫번째 자리에서 올림 값
floor	각 성분의 소수 첫번째 자리에서 내림 값
isnan	각 성분이NaN(Not a Number)인 경우 True, 아닌경우 False
isinf	각 성분이 무한대(inf)인경우 True, 아닌경우 False
cos, cosh, sin, sinh, tan, tanh	각 성분의 삼각함수 값 계산

1.2 두개의 배열에 각 성분에 적용되는 함수

add	np.add(arr1, arr2), arr1 + arr2 와 같은 결과
subtract	np.subtract(arr1, arr2), arr1 - arr2와 같은 결과
multiply	np.multiply(arr1, arr2), arr1 * arr2와 같은결과
divide	np.divide(arr1, ar2), arr1 / arr2
maximum	두 배열에서 동일 위치의 값끼리 비교하여 둘중 최댓값  반환
minimum	두 배열에서 동일 위치의 값끼리 비교하여 둘중 최솟값  반환

1.3 통계함수

import numpy as np
a = np.arange(1, 5)
# array([1,2,3,4])

a.sum()
# 합계를 구하는 함수, 출력 10

a.mean()
# 평균을 구하는 함수, 출력 2.5

a.std()
# 표준편차를 구하는 함수, 출력 1.1180339887498949

a.var()
# 분산을 구하는 함수, 출력 1.25

a.min()
a.max()
#최소 최대값을 반환, 출력 4, 출력 1

a.argmin()
a.argmax()
#최소, 최대값이 위치한 인덱스를 반환, 출력 0, 출력 3

a.cumsum()
# 누적합을 계산. (0부터 더하기)

a.cumprod()
# 누적곱을 계산. (1부터 곱하기)

1.4 정렬함수

import numpy as np

a = np.arange(1, 10)

a.sort(a)
# 기본적으로 오름차순

a.sort(a)[::-1]
#인덱싱을 이용한 내림차순

arr = np.array([[4,6,8,],[6,85,5],[568,3,63],[457,95346,25]])

np.sort(b, axis = 0)
# 행방향 오름차순
#array([[    4,     3,     5],
#       [    6,     6,     8],
#       [  457,    85,    25],
#       [  568, 95346,    63]])
np.sort(b, axis = 1)
# 열방향 오름차순
#array([[    4,     6,     8],
#       [    5,     6,    85],
#       [    3,    63,   568],
#       [   25,   457, 95346]])