[시냅스 1주차] AI를 위한 필수 수학 & 도구

 

1. Numpy : 행렬이나 다차원 계산을 위한 파이썬 라이브러리

 

import numpy as np

#np.array(배열, 데이터 타입(명시하지 않으면 자동생성))
vec = np.array([1,2,3], float) 

#type(객체) : 객체의 자료형
type(vec)

#vec.dtype : 배열 원소의 데이터 타입
vec.dtype

 

 

import numpy as np

# np.arange(시작, 종료, 간격)
a= np.arange(0,5,0.5)

# np.ones((depth, row, column))
b = np.ones((2,2,4))

# np.zeros((row, column))
c = np.zeros((3,4))

print(a)
print(b)
print(c)

 

import numpy as np

scalar = np.array(5) 

print(scalar)
print(scalar.shape)
print(scalar.ndim)

#rank 0 = scalar
#rank 1 = vsctor
#rank 2 = matrix

 

• np.empty(): 초기화 없이 생성
• np.identity(), np.eye() : 단위 행렬
• np.diag(): 대각행렬 생성

shape: 객체의 차원 정보(어떤 구조) 

• len(shape) = rank = ndim(차원의 개수)

import numpy as np

scalar = np.array(5)
print(scalar)
print(scalar.shape)
print(scalar.ndim)

#5
#()
#0

import numpy as np

vec = np.array([1., 2., 3., 4., 5.])
print(vec)
print(vec.shape)
print(vec.ndim)

#[1. 2. 3. 4. 5.]
#(5,)
#1

 

import numpy as np

mat = np.array([
    [10, 20, 30],
    [60, 70, 80]
])
print(mat)
print(mat.shape)
print(mat.ndim)

#[[10 20 30]
# [60 70 80]]
#(2, 3)
#2

 

import numpy as np

b = np.ones((2,2,4))
print(b)
print(b.shape)
print(b.ndim)


#[[[1. 1. 1. 1.]
#  [1. 1. 1. 1.]]
#
# [[1. 1. 1. 1.]
#  [1. 1. 1. 1.]]]
#(2, 2, 4)
#3

 

 

특징

연산가능

내적가능

브로드캐스팅: 하나의 행렬과 스칼라 값의 연산

 

import numpy as np

x_1 = np.arange(1, 7).reshape(2,3)
x_2 = np.arange(1, 7).reshape(3,2)

print(x_1)
print(x_2)

x_1.dot(x_2)

x_1 @ x_2
# 내적은 dot()함수 또는 @연산자 사용

 

 

2. Pandas : 데이터 테이블을 다루기 위한 파이썬 라이브러리

핵심

 

 

import pandas as pd

# 딕셔너리로 생성

data1 = {
	'이름' : ['철수', '영희', '민수'],
    '나이' : [21, 35, 26],
    '성별' : ['남', '여', '남']
}

df1 = pd.DataFrame(data1)

# dataframe 생성: pd.DataFrame(딕셔너리, index=인덱스)
# 인덱스를 미지정하는 경우 0부터 시작하는 정수 인덱스가 자동생성 됨

 

데이터 프레임 생성

import pandas as pd

data2 = [
	[84.6, 94.5, 75.4],
    [51.2, 54.5, 75.3]
]

df2 = pd.DataFrame(data2, index=['중간', '기말'], columns=[1,2,3])

 

데이터 조회

import pandas as pd

data = {
	'이름' : ['철수', '영희', '민수'],
    '나이' : [21, 35, 26],
    '성별' : ['남', '여', '남']
}

df = pd.DataFrame(data)
df

 

# 열 조회
df.head(3) # 앞부분 3개 조회
df.tail(5) # 뒷부분 5개 조회
df['이름'] # '이름' 열 내용 조회

 

인덱싱

df.loc[0] # 인덱스가 0인 행
df.loc[0,'나이'] # 인덱스가 0인 행의 '나이' 값
df.iloc[0] # 인덱스가 0인 행 
df.iloc[0, 1] # 인덱스가 0인 행의 1번째 열 값