numpy에서 자주 쓰이는 함수 및 기능들 외우기 (creation, manipulation, search, math, sorting)

Numpy Arracy Creation Method

넘파이 배열을 생성할 때 사용될 수 있는 다양한 함수들이다.

np.array(<list>)
np.zeros(<size>)        # 0만 있는 numpy 배열 생성
np.ones(<size>)         # 1만 있는 numpy 배열 생성
np.eye(<size>)          # identity 배열 생성
np.arange(<start>, <stop>, <step>)          # start부터 stop까지 값을 step 간격으로 생성
np.linspace(<start>, <stop>, <count>)       # start부터 stop까지 값을 count개 생성
np.random.randint(<low>, <high>, <size>)    # random integer 배열
np.random.random(<size>)                    # random floats 배열

Numpy Arracy Manipulation Method

넘파이 배열을 변경하거나, 수정하거나, list로 만드는 등의 함수이다. AI에서 매우 많이 쓰이는 연산들이다.

array.reshape(<shape>)              # 1D -> 2D 등 데이터의 구조 변경
array.transpose()                   # 배열을 전치한다. (또는 array.T 사용 가능)
np.concatenate(<np-arrays>, <axis>) # 배열을 서로 붙인다. (axis가 0이면 행 방향, 1이면 열 방향)
np.flatten(<np-array>)              # 다차원 배열을 1차원 배열로 평평하게 펼칠 때
np.unique(<np-array>, <axis>)       # 배열 내의 unique value의 리스트를 구한다.
array.tolist()                      # 넘파이 배열을 list로 변경한다.

Search Method

넘파이 배열에서 특정 값을 찾을 때 쓰는 함수들이다.

np.argmax(<np-array>, <axis>)           # max 값을 찾는다.
np.argmin(<np-array>, <axis>)           # min 값을 찾는다.
np.where(<condition>, <true-return-value>, <false-return-value>)    # 특정한 condition에 맞을 때와 아닐때 어떤 값을 써야 하는지
np.nonzero(<np-array>)                                              # 0이 아닌 원소들의 인덱스를 반환한다.

Mathematical Operations

넘파이 배열에 대해서 사용할 수 있는 다양한 수학 연산들이다.

np.sin(<np-array>)          # sin 함수
np.cos(<np-array>)          # cos 함수
np.tan(<np-array>)          # tan 함수
np.floor(<np-array>)        # 소수점 아래 버림
np.ceil(<np-array>)         # 소수점 아래 올림
np.rint(<np-array>)         # 소수점 아래 반올림
np.round(<np-array>, <decimal-places>)  # 지정한 소수점 자리수까지 반올림
np.exp(<np-array>)          # exponential 함수
np.log(<np-array>)          # 로그 함수
np.sqrt(<np-array>)         # 루트 함수
np.sum(<np-array>, <axis>)  # sum 함수
np.mean(<np-array>, <axis>) # 평균
np.std(<np-array>, <axis>)  # 분산

Matrix and Vector Operations

매트릭스 또는 백터 간 연산을 할 때 사용하는 함수들로, 매우 자주 쓰인다.

np.dot(<np-array1>, <np-array2>)        # matrix 내적 (dot product)
np.matmul(<np-array1>, <np-array2>)     # matrix multiplication
np-array1 @ np-array2                   # matrix multiplication
np.linalg.norm(<np-array>)              # vector norm (L1, L2)

Sorting Operations

np.sort(<np-array>, <axis>)     # 배열을 정렬한다.
np.argsort(<np-array>, <axis>)  # 배열이 정렬되었을 때 인덱스를 알려준다.