728x90
반응형
인공지능, 딥러닝 코드를 보다보면,
데이터를 읽어오고 전처리, 시각화를 경우가 많다.
이 때 가장 많이 사용되는 데이터 형태가 배열이며, numpy라는 패키지를 이용하여 선언하고 활용한다.
배열 코드는 다음과 같다.
아래 코드가 이해가 모두 간다면 패스해도 좋다.
import numpy as np
items = [1,2,3,4] # list
a = np.array([1,2,3,4]) # numpy 배열
print(a+a)
print(items+items)
b = np.array([[1,2],[3,4]]) # 2차원 배열
print(b)
print(b.shape)
a = np.array([[1,2,3,4]]) # 1차원 배열
print(a.T)
a = np.array([1,2,3,4]) # numpy 배열
print(a.reshape((2,2)))
numpy 배열과 list
배열은 다양한 연산, 변형 등이 가능!
앞서 list를 살펴보았다.
list와 배열은 선언 방법도 다르고 연산에 따른 결과도 다르다.
items = [1,2,3,4] # list
a = np.array([1,2,3,4]) # numpy 배열
print(a+a)
print(items+items)
numpy로 선언한 배열은 안에 있는 값을 숫자로 인식하여 덧셈 연산을 제공한다.
list는 단순히 list에 새로운 list를 추가한다고 인식한다.
b = np.array([[1,2],[3,4]]) # 2차원 배열
print(b)
print(b.shape)
배열은 2차원, 3차원 등등 원하는 차원만큼 선언할 수 있다.
이로인해 딥러닝의 복잡한 데이터들을 다룰 수 있는 것이다.
shape는 현재 다루고 있는 배열의 형태를 알려준다.
행렬바꾸기(전치연산, T)
배열의 행과 열을 바꿔준다.
a = np.array([[1,2,3,4]]) # 1차원 배열
print(a.T)
행렬의 형태
때에 따라서 행렬의 형태를 바꿔주어야 할 때가 있다.
이럴 때 사용하는 것이 reshape 이다.
a = np.array([1,2,3,4]) # numpy 배열
print(a.reshape((2,2)))
기본적으로 인공지능, 딥러닝에서 필요한 기초 문법들을 알아보았다.
세상에 모든 코드를 다 알 수 없다.
그 코드들의 공통 운영방식만 알면된다.
지금 포스팅들은 공통의 운영방식을 전달하기 위한 내용을 담고 있다.
728x90
반응형
'코드 > 딥러닝을 위한 파이썬' 카테고리의 다른 글
[파이썬] 인공지능(AI), 딥러닝 코드 필수 기초 문법 (2) - for 문, if 문 (0) | 2022.12.07 |
---|---|
[파이썬] 인공지능(AI), 딥러닝 코드 필수 기초 문법 (1) - 변수 선언, 자료형, 함수 (0) | 2022.12.06 |
댓글