Skip to content

Commit 0f61779

Browse files
ndb796ndb796
committed
Colaboratory를 통해 생성됨
1 parent dc4af06 commit 0f61779

File tree

1 file changed

+237
-0
lines changed

1 file changed

+237
-0
lines changed

Diff for: ‎05. Numpy의 활용/Numpy의 활용.ipynb

+237
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,237 @@
1+
{
2+
"nbformat": 4,
3+
"nbformat_minor": 0,
4+
"metadata": {
5+
"colab": {
6+
"name": "Numpy의 활용",
7+
"version": "0.3.2",
8+
"provenance": [],
9+
"include_colab_link": true
10+
},
11+
"kernelspec": {
12+
"name": "python3",
13+
"display_name": "Python 3"
14+
}
15+
},
16+
"cells": [
17+
{
18+
"cell_type": "markdown",
19+
"metadata": {
20+
"id": "view-in-github",
21+
"colab_type": "text"
22+
},
23+
"source": [
24+
"<a href=\"https://colab.research.google.com/github/ndb796/Python-Data-Analysis-and-Image-Processing-Tutorial/blob/master/05.%20Numpy%EC%9D%98%20%ED%99%9C%EC%9A%A9/Numpy%EC%9D%98%20%ED%99%9C%EC%9A%A9.ipynb\" target=\"_parent\"><img src=\"https://colab.research.google.com/assets/colab-badge.svg\" alt=\"Open In Colab\"/></a>"
25+
]
26+
},
27+
{
28+
"cell_type": "markdown",
29+
"metadata": {
30+
"id": "mLSxrQLtL1lk",
31+
"colab_type": "text"
32+
},
33+
"source": [
34+
"## Numpy의 활용\n",
35+
"[강의 노트](https://github.com/ndb796/Python-Data-Analysis-and-Image-Processing-Tutorial/blob/master/05.%20Numpy%EC%9D%98%20%ED%99%9C%EC%9A%A9/Python%20%EB%8D%B0%EC%9D%B4%ED%84%B0%20%EB%B6%84%EC%84%9D%EA%B3%BC%20%EC%9D%B4%EB%AF%B8%EC%A7%80%20%EC%B2%98%EB%A6%AC%20-%20Numpy%EC%9D%98%20%ED%99%9C%EC%9A%A9.pdf)"
36+
]
37+
},
38+
{
39+
"cell_type": "markdown",
40+
"metadata": {
41+
"id": "4QwfuGHNL7qv",
42+
"colab_type": "text"
43+
},
44+
"source": [
45+
"Python의 Numpy는 **저장 및 불러오기**가 가능합니다."
46+
]
47+
},
48+
{
49+
"cell_type": "code",
50+
"metadata": {
51+
"id": "cJ9HX7GtL6tT",
52+
"colab_type": "code",
53+
"colab": {
54+
"base_uri": "https://localhost:8080/",
55+
"height": 34
56+
},
57+
"outputId": "4bb17042-2e41-469c-ae45-1cda452a45a4"
58+
},
59+
"source": [
60+
"import numpy as np\n",
61+
"\n",
62+
"# 단일 객체 저장 및 불러오기\n",
63+
"array = np.arange(0, 10)\n",
64+
"np.save('saved.npy', array)\n",
65+
"\n",
66+
"result = np.load('saved.npy')\n",
67+
"print(result)"
68+
],
69+
"execution_count": 1,
70+
"outputs": [
71+
{
72+
"output_type": "stream",
73+
"text": [
74+
"[0 1 2 3 4 5 6 7 8 9]\n"
75+
],
76+
"name": "stdout"
77+
}
78+
]
79+
},
80+
{
81+
"cell_type": "markdown",
82+
"metadata": {
83+
"id": "1Bq-T643MGXP",
84+
"colab_type": "text"
85+
},
86+
"source": [
87+
"여러 개의 Numpy의 객체를 하나의 파일에 저장하고 불러올 수 있습니다."
88+
]
89+
},
90+
{
91+
"cell_type": "code",
92+
"metadata": {
93+
"id": "nmqFl9ykMC5J",
94+
"colab_type": "code",
95+
"colab": {
96+
"base_uri": "https://localhost:8080/",
97+
"height": 52
98+
},
99+
"outputId": "d2a60f6d-85ce-4fcf-8495-80cdaf5cb419"
100+
},
101+
"source": [
102+
"import numpy as np\n",
103+
"\n",
104+
"# 복수 객체 저장 및 불러오기\n",
105+
"array1 = np.arange(0, 10)\n",
106+
"array2 = np.arange(10, 20)\n",
107+
"np.savez('saved.npz', array1=array1, array2=array2)\n",
108+
"\n",
109+
"data = np.load('saved.npz')\n",
110+
"result1 = data['array1']\n",
111+
"result2 = data['array2']\n",
112+
"print(result1)\n",
113+
"print(result2)"
114+
],
115+
"execution_count": 3,
116+
"outputs": [
117+
{
118+
"output_type": "stream",
119+
"text": [
120+
"[0 1 2 3 4 5 6 7 8 9]\n",
121+
"[10 11 12 13 14 15 16 17 18 19]\n"
122+
],
123+
"name": "stdout"
124+
}
125+
]
126+
},
127+
{
128+
"cell_type": "markdown",
129+
"metadata": {
130+
"id": "7v2Gr9_xMaCg",
131+
"colab_type": "text"
132+
},
133+
"source": [
134+
"Numpy의 원소들은 특정한 기준에 따라서 **정렬**할 수 있습니다."
135+
]
136+
},
137+
{
138+
"cell_type": "code",
139+
"metadata": {
140+
"id": "nJ2GKQqMMPhA",
141+
"colab_type": "code",
142+
"colab": {
143+
"base_uri": "https://localhost:8080/",
144+
"height": 87
145+
},
146+
"outputId": "5ae93570-2cc5-42de-a45d-f0f93147e69d"
147+
},
148+
"source": [
149+
"import numpy as np\n",
150+
"\n",
151+
"# Numpy 원소 오름차순 정렬\n",
152+
"array = np.array([5, 9, 10, 3, 1])\n",
153+
"array.sort()\n",
154+
"print(array)\n",
155+
"\n",
156+
"# Numpy 원소 내림차순 정렬\n",
157+
"array = np.array([5, 9, 10, 3, 1])\n",
158+
"array.sort()\n",
159+
"print(array[::-1])\n",
160+
"\n",
161+
"# 각 열을 기준으로 정렬\n",
162+
"array = np.array([[5, 9, 10, 3, 1], [8, 3, 4, 2, 5]])\n",
163+
"array.sort(axis=0)\n",
164+
"print(array)"
165+
],
166+
"execution_count": 4,
167+
"outputs": [
168+
{
169+
"output_type": "stream",
170+
"text": [
171+
"[ 1 3 5 9 10]\n",
172+
"[10 9 5 3 1]\n",
173+
"[[ 5 3 4 2 1]\n",
174+
" [ 8 9 10 3 5]]\n"
175+
],
176+
"name": "stdout"
177+
}
178+
]
179+
},
180+
{
181+
"cell_type": "markdown",
182+
"metadata": {
183+
"id": "XAk0Jg_yMo44",
184+
"colab_type": "text"
185+
},
186+
"source": [
187+
"Numpy 관련 자주 사용되는 함수는 다음과 같습니다."
188+
]
189+
},
190+
{
191+
"cell_type": "code",
192+
"metadata": {
193+
"id": "6_bsO1aEMg8k",
194+
"colab_type": "code",
195+
"colab": {
196+
"base_uri": "https://localhost:8080/",
197+
"height": 105
198+
},
199+
"outputId": "46fc3e62-1478-40ce-acbe-a33f4f0b763c"
200+
},
201+
"source": [
202+
"import numpy as np\n",
203+
"\n",
204+
"# 균일한 간격으로 데이터 생성\n",
205+
"array = np.linspace(0, 10, 5)\n",
206+
"print(array)\n",
207+
"\n",
208+
"# 난수의 재연(실행마다 결과 동일)\n",
209+
"np.random.seed(7)\n",
210+
"print(np.random.randint(0, 10, (2, 3)))\n",
211+
"\n",
212+
"# Numpy 배열 객체 복사\n",
213+
"array1 = np.arange(0, 10)\n",
214+
"array2 = array1.copy()\n",
215+
"print(array2)\n",
216+
"\n",
217+
"# 중복된 원소 제거\n",
218+
"array = np.array([1, 1, 2, 3, 3, 3, 1])\n",
219+
"print(np.unique(array))"
220+
],
221+
"execution_count": 6,
222+
"outputs": [
223+
{
224+
"output_type": "stream",
225+
"text": [
226+
"[ 0. 2.5 5. 7.5 10. ]\n",
227+
"[[4 9 6]\n",
228+
" [3 3 7]]\n",
229+
"[0 1 2 3 4 5 6 7 8 9]\n",
230+
"[1 2 3]\n"
231+
],
232+
"name": "stdout"
233+
}
234+
]
235+
}
236+
]
237+
}

0 commit comments

Comments
 (0)