파이썬 머신러닝/딥러닝 : numpy - 연산

Numpy 연산

---

▶ Numpy 1차원 연산

연산자를 이용할 경우에는 +, -, *, / 기호를 동일하게 사용한다.

함수를 사용할 경우에는 덧셈 add(), 뺄셈 subtract(), 곱셈 multiply(), 나눗셈 divide()을 사용한다.

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

1. 덧셈

배열 a와 배열 b가 있을 때, a+b는 a[0]+b[0], a[1]+b[1], ... 와 같은 방식으로 결과를 return 한다.

c = a+b
#함수를 이용할 경우
#c = np.add(a, b)
 
print(c)
 
#Result
[5 7 9]

2. 뺄셈

배열 a와 배열 b가 있을 때, a-b는 a[0]-b[0], a[1]-b[1], ... 와 같은 방식으로 결과를 return 한다.

c = a-b
#함수를 이용할 경우
#c = np.subtract(a, b)
 
print(c)
 
#Result
[-3 -3 -3]

3. 곱셈

배열 a와 배열 b가 있을 때, a-b는 a[0]*b[0], a[1]*b[1], ... 와 같은 방식으로 결과를 return 한다.

c = a*b
#함수를 이용할 경우
#c = np.multiply(a, b)
 
print(c)
 
#Result
[4 10 18]

4. 나눗셈

배열 a와 배열 b가 있을 때, a-b는 a[0]/b[0], a[1]/b[1], ... 와 같은 방식으로 결과를 return 한다.

c = a/b
#함수를 이용할 경우
#c = np.divide(a, b)
 
print(c)
 
#Result
[0.25 0.4 0.5]

---

▶ Numpy 2차원 배열 연산 : Matrix

Khan Academy [Multiplying matrices]

위의 그림과 같이 일반적인 행렬의 곱연산을 할 때는 dot() 함수를 이용한다.

import numpy as np
 
list1 = [
        [1, 2],
        [3, 4]
]
 
list2 = [
        [5, 6],
        [7, 8]
]
 
a = np.array(list1)
b = np.array(list2)
 
# numpy에서 vector와 matrix의 product(값)를 구하기 위해서 dot() 함수를 이용한다
 
print("두 matrix에 대한 product")
 
product = np.dot(a, b)
 
print(product)
 
#Result
두 matrix에 대한 product
[[19 22]
 [43 50]]

---

▶ Numpy 2차원 배열 연산

numpy에서는 배열간의 연산을 위한 여러 함수들을 제공하고 있다.

sum(), product() : 이 함수들은 axis 옵션을 사용한다. axis 0이면 컬럼끼리, 1이면 행끼리 계산한다.

c = np.array([[1, 2], [3, 4]])

1. 배열의 각 요소를 더하는 함수 sum()

s = np.sum(c)
print(s)
#Result
10 #c의 모든 요소의 값을 합한 값(1+2+3+4)
 
s = np.sum(a, axis = 0)
print(s)
#Result
[4 6] #컬럼끼리 더한 값 출력(1+3, 2+4)
 
s = np.sum(a, axis = 1)
print(s)
#Result
[3 7] #같은 행끼리 더한 값(1+2, 3+4)

2. 배열의 요소들을 곱하는 함수 product()

p = np.prod(a)
print(p)
#Result
24 #c의 모든 요소의 값을 곱한 값(1*2*3*4)
 
p = np.prod(a, axis = 0)
print(p)
#Result
[3 8] #컬럼끼리 곱한 값 출력(1*3, 2*4)
 
p = np.prod(a, axis = 1)
print(p)
#Result
[2 12] #같은 행끼리 곱한 값 출력(1*2, 3*4)