머신러닝・딥러닝/numpy

머신러닝・딥러닝/numpy

넘파이 배열의 인덱싱과 슬라이싱 이해하기(2)

지난 포스팅에 이어 이번에는 정수/불리언 배열을 활용한 인덱싱과 슬라이싱에 대해 알아보도록 하겠습니다. import numpy as np 1. 정수 인덱싱 배열 💡 인덱싱을 위해 사용하는 정수 인덱싱 배열의 shape을 주목해야 합니다. 1-1. 1차원 인덱싱 배열 정수 인덱싱 배열을 사용하면 특정 인덱스에 위치한 값들을 가져올 수 있습니다. 중복 인덱스는 물론 불규칙적으로 값들을 가져올 수 있다는 특징이 있습니다. arr = np.arange(10) print(arr) # [0 1 2 3 4 5 6 7 8 9] indices1 = np.array([0, 3, 4]) indices2 = np.array([0, 0, 5, 5]) print(arr[indices1]) # [0 3 4] print(arr[in..

머신러닝・딥러닝/numpy

넘파이 배열의 인덱싱과 슬라이싱 이해하기(1)

이번 포스팅에서는 넘파이 배열을 다루면서 중요한 개념인 인덱싱과 슬라이싱에 대해 알아보도록 하겠습니다. import numpy as np 1. 1차원 배열 ✅ 인덱싱 넘파이 배열의 인덱싱은 파이썬 리스트의 인덱싱 방식과 대체로 동일합니다. 반복문을 사용해서 넘파이 배열 내 각 원소에 접근 또한 가능합니다. arr = np.arange(10) print(arr) # [0 1 2 3 4 5 6 7 8 9] print(arr[0]) # 0 print(arr[2]) # 2 print(arr[-1]) # 9 하지만 차이점 또한 존재합니다. 복수의 값을 인덱싱하기 위해서 넘파이 배열에는 배열을 인자로 전달할 수 있습니다. 인자로 전달하는 배열은 넘파이 배열 내 타겟값들의 인덱스로 구성됩니다. arr = np.ara..

Kim Yann
'머신러닝・딥러닝/numpy' 카테고리의 글 목록