[numpy] arange, linspace

arange & linspace

• np.arange: N만큼 차이 나는 숫자를 생성해 준다.
• np.linspace: N 등분한 숫자를 생성해 준다.

np.arange([start], stop, [step]..)

• []는 생략 가능하다.
• 끝 값은 포함하지 않는다.

np.linspace(start, stop, num=50..)

• 처음 값과 끝 값을 포함한다,
• 몇 개로 만들지 매개변수로 넘겨준다.

 

예제 코드

# 10이상 30미만 까지 5씩 차이나게 생성
print(np.arange(10,30,5))

>>> [10 15 20 25]

# 0이상 2미만 까지 0.3씩 차이나게 생성
print(np.arange(0,2,0.3))

>>> [0.  0.3 0.6 0.9 1.2 1.5 1.8]


# 0~99까지 100등분
x = np.linspace(0, 99, 100)
print(x)

>>> [ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16. 17.
 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35.
 36. 37. 38. 39. 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53.
 54. 55. 56. 57. 58. 59. 60. 61. 62. 63. 64. 65. 66. 67. 68. 69. 70. 71.
 72. 73. 74. 75. 76. 77. 78. 79. 80. 81. 82. 83. 84. 85. 86. 87. 88. 89.
 90. 91. 92. 93. 94. 95. 96. 97. 98. 99.]

 

arange 함수는 끝 값을 포함하지 않기 때문에 가독성을 위해 끝값 1.25를 1+0.25로 표현해 봤다. 0부터 1.25 미만까지(끝 값 포함 안 하니까 1까지 출력) 0.25씩 차이 나게 생성했다.

print(np.arange(0, 1 + 0.25,  0.25))

>>> [0.   0.25 0.5  0.75 1.  ]

 

위와 동일한 결과를 linspace 함수를 이용해서 작성해 보자. 0부터 1까지(끝 값 포함) 5등분을 하면 된다.

print(np.linspace(0, 1, 5))

>>> [0.   0.25 0.5  0.75 1.  ]

 

reshape()

c = np.arange(24).reshape(2,3,4)
print(c)

>>> [[[ 0 1 2 3]
  [ 4 5 6 7]
  [ 8 9 10 11]] 

 [[12 13 14 15]
  [16 17 18 19]
   [20 21 22 23]]]

 

출력 모양은 (3,4) 크기의 2차원 배열이 2개 출력되는 형식으로 보인다.

reshape(2,3,4)

(2,3,4)를 읽는 방법은 다음과 같다.

• 3,4: (3,4) 크기의 2차원 배열이
• 2: 두 번 출력된다

다른 예시로 reshape(6, 2, 3)이 출력된 모습을 보면 (2,3) 이차원 배여링 6개 출력되는 형식으로 볼 수 있다.

c = np.arange(36).reshape(6,2,3)


>>> [[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]

 [[12 13 14]
  [15 16 17]]

 [[18 19 20]
  [21 22 23]]

 [[24 25 26]
  [27 28 29]]

 [[30 31 32]
  [33 34 35]]]

 

 

element wise

Element wise 연산은 numpy 배열의 각 요소들이 같은 위치에 있는 다른 배열의 요소와 개별적으로 연산되는 것을 의미한다. 이를 통해 배열 간의 덧셈, 뺄셈, 곱셈, 나눗셈 등의 연산을 쉽게 수행할 수 있다. 예를 들어, 두 배열의 같은 인덱스에 있는 요소들끼리 더하거나 빼는 연산을 할 수 있다.

# a와 b 배열 생성하여 출력
a = np.array([20,30,40,50])
b = np.arange(4)
print(a)
print(b)

>>> [20 30 40 50]
>>> [0 1 2 3]

# a에서 b에 각각의 원소를 - 연산
c = a-b
print(c)

>>> [20 29 38 47]

# b 각각의 원소에 제곱 연산
print(b**2)

>>> [0 1 4 9]

# A와 B 배열 생성하여 출력

A = np.array( [[1,1],
            [0,1]] )
B = np.array( [[2,0],
            [3,4]] )

>>> [[1 1]
 [0 1]]
[[2 0]
 [3 4]]

# A * B
# 각각의 원소끼리 곱셈
print(A*B)

>>> [[2 0]
 [0 4]]

# A @ B
# 행렬 곱셈 사용
print(A@B)

>>> [[5 4]
 [3 4]]

 

행렬 곱셈

행렬 A가 m * n 크기이고, 행렬 B가 n * p 크기일 때, 행렬 곱셈 C = A @ B 는 m * p 크기의 행렬 C가 된다. 이때 C의 각 요소 c_{ij} 는 A의 i번째 행과 B의 j번째 열의 요소들을 곱한 뒤 더한 값이다.

 

행렬 곱셈 규칙

 

행렬 곱셈 과정

행렬 곱셈 과정