[์ ๋ฆฌ] Numpy โก : squeeze
b = np.array(range(1, 13, 2)).reshape(2, 3, 1) # ์์ 2ํ 3์ด ์ด๋ฒ์๋ ๋ค์ฐจ์ ๋ฐฐ์ด๋ก ์ค์ต์ ์งํํด๋ดค๋๋ฐ ๋ฐฐ์ด ์์ฑ ๊ฒฐ๊ณผ ์ดํดํ๋ ๋ฐ์ ํ์ฐธ ๊ฑธ๋ ธ๋ค. reshape ์ธ์ ์์๋๋ก (ํ, ์ด, ์ฐจ์) ์ธ์ค ์์๋๋ฐ? ๊ทธ๊ฒ์ด? ์๋์์ต๋๋ค! numpy array๋ ๋ค๋ฅธ ์ธ์ด์์์ ๋ฐฐ์ด์ฒ๋ผ ์์ ๊ฐ ์ฝค๋ง๊ฐ ์ ์ฐํ๊ธฐ ๋๋ฌธ์ ๊ฒฐ๊ณผ ๋ณด์๋ง์ ๋ฐ๋ก ์๋ฟ์ง๊ฐ ์์๋ค. ์ผ๋จ reshape๋ (์ฐจ์, ํ, ์ด) ํฌ๊ธฐ์ ๋ค์ฐจ์ ๋ฐฐ์ด์ ๋ง๋ ๋ค. → reshape(2, 3, 1)์ 3ํ 1์ด์ ๋ฐฐ์ด์ 2๊ฐ ์์๋ค๋ ๋ป squeeze # axis default: None, ์ํ๋ ์ถ ์ง์ ๊ฐ๋ฅ b_squeeze = b.squeeze() ๋ฐฐ์ด์์ ๊ธธ์ด๊ฐ 1์ธ ์ถ์ ์ ๊ฑฐํ๋ค. (2, 3, ..
2022. 4. 20.
[์ ๋ฆฌ] Numpy โ : shape, ndim, axis
a = np.array([0, 1, 2, 3, 4, 5]) ์ค์ต์ ์ํ ์์์ ๋ฐฐ์ด์ ์์ฑํ๊ณ ์ด ๋ฐฐ์ด๋ก ์ด๊ฒ์ ๊ฒ ํด๋ณด๋ ค๊ณ ํ๋ค. shape/ndim/size print("shape: ", a.shape) # ์์ (6, 1) print("ndim: ", a.ndim) # ์์ 2 print("size: ", a.size) # ์์ 6 โป shape : (ํ, ์ด)์ ๋ค์ง์ ํํ๋ก ๋ํ๋ → (6, 1) = (1ํ, 6์ด) โป ndim : ๋ฐฐ์ด ์ฐจ์ โป size : ๋ฐฐ์ด์ ์์ ๊ฐ์ ์ด์ด ํ๋์ผ ๊ฒฝ์ฐ๋ shape์์ 1์ด ์ฐํ์ง ์๋๋ค๋ ๊ฒ์ด ํน์ง! ์์ง๋ ์ฐจ์ ๊ฐ๋
์ด ๋๋ฌด ์ด๋ ต๋ค ใ
ใ
ํ
์ ์ฐจ์์ด๋ ๊ฐ๊ฒ ์๊ฐํด์ ์ค์นผ๋ผ๊ฐ 1์ฐจ์, ๋ฐฐ์ด์ด๋๊น 2์ฐจ์์ด๋ผ๊ณ ์๊ฐํ๋๋ฐ 1์ฐจ์์ด์์. ๊ทธ๋ฅ ํ์ด์ฌ ์์ ๋ฐฐ์ด ..
2022. 4. 19.