numpy random(난수) sampling - np.random.choice
* data sampling 이미 있는 데이터 집합에서 일부를 무작위로 선택하는 것을 샘플링이라고 한다. 샘플링은 choice 명령을 사용한다. np.random.choice(a, size=None, replace=True, p=None) - a: 배열이면 원래의 데이터, 정수이면 arange(a)로 데이터 생성 - size: 정수, 샘플 숫자 - replace: boolean, True이면 한 번 선택한 데이터를 다시 선택 가능 - p: 배열, 각 데이터가 선택될 수 있는 확률 import numpy as np np.random.choice(5, 3, replace=False) # array([2, 1, 3]) np.random.choice(5, 10) # array([0, 4, 1, 4, 1, 2, ..
numpy 최소, 최대 조건 색인값: np.argmin(), np.argmax(), np.where()
1. 최소값, 최대값: np.min(), np.max() * 예시 * 사용한 코드 import numpy as np x = np.array([5, 4, 3, 2, 1, 0]) x.min() # result: 0 np.min(x) # result: 0 x.max() # result: 5 np.max(x) # result: 5 * 특징 numpy array 중 최소, 최대값을 찾아서 return 해준다. 2. 최소값에 해당하는 인덱스, 최대값에 해당하는 인덱스: np.argmin(), np.argmax() * 예시 * 사용한 코드 import numpy as np x = np.array(5, 4, 3, 2, 1, 0]) x.argmin() # result: 5 np.argmin(x) # result: 5 x..
numpy.maximum
SciPy.org에 있는 Numpy 관련 문법들이 등장할 때마다 정리해 두려고 한다. * numpy.maximum numpy.maximum(x1, x2, /, ...) x1, x2 두개의 array 중 같은 index에 있는 최대 값을 output으로 출력해준다. 만약 x1.shape != x2.shape이면 common shape로 broadcasting 된다. 더보기 예시 >>> np.maximum([2, 3, 4], [1, 5, 2]) array([2, 5, 4]) >> np.maximum(np.eye(2), [0.5, 2]) # broadcasting array([[1., 2.], [0.5, 2.]]) >> np.maximum([np.nan, 0, np.nan], [0, np.nan, np.nan..
