Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
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 |
Tags
- 혼공머신러닝딥러닝
- Brightics Studio
- 캐글
- 삼성 SDS Brigthics
- 영상제작기
- 브라이틱스
- 혼공학습단
- 혼공
- 삼성SDS Brigthics
- 포스코 청년
- 포스코 아카데미
- 팀 분석
- Brightics
- 브라이틱스 서포터즈
- 노코드AI
- Brigthics
- 삼성SDS
- 직원 이직여부
- 추천시스템
- Brigthics Studio
- Brightics를 이용한 분석
- 삼성SDS Brightics
- 개인 의료비 예측
- 혼공머신
- 직원 이직률
- 데이터 분석
- 데이터분석
- 삼성 SDS
- Brigthics를 이용한 분석
- 모델링
Archives
- Today
- Total
데이터사이언스 기록기📚
[Numpy] axis를 이용하여 연산하기 본문
1. 1차원 데이터에 적용하기
- axis : 해당 axis를 따라서 연산 적용
- 1차원은 axis = 0만 적용.
x = np.arange(15)
print(x)
# [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
# 축을 따라서 연산
np.sum(x, axis = 0) # 105
# 1차원이어서 axis = 0까지만 가능
np.sum(x, axis = 1) # Error!
2. 2차원 데이터에 적용하기
y = x.reshape(3,5)
print(y)
# [[ 0 1 2 3 4]
# [ 5 6 7 8 9]
# [10 11 12 13 14]]
# 행 axis = 0, 열 axis = 1
print(np.sum(y, axis = 0)) # [15 18 21 24 27]
print(np.sum(y, axis = 1)) # [10 35 60]
3. 3차원 텐서에 적용하기
- 파이썬 인덱스처럼 - (마이너스) 인덱스 사용 가능
z = np.arange(36).reshape(3,4,3)
print(z)
# [[[ 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]]]
# 첫번째가 0이 되므로 4.3만 남음(연산 : 0 + 12 + 24)
np.sum(z, axis = 0)
# array([[36, 39, 42],
# [45, 48, 51],
# [54, 57, 60],
# [63, 66, 69]])
# (3,3)행렬
np.sum(z, axis = 1)
# array([[ 18, 22, 26],
# [ 66, 70, 74],
# [114, 118, 122]])
# (3.4)행렬
np.sum(z, axis = 2)
# array([[ 3, 12, 21, 30],
# [ 39, 48, 57, 66],
# [ 75, 84, 93, 102]])
4. axis값이 튜플인 경우
- 해당 튜플에 명시된 axis에 대해서 연산
print(z)
# [[[ 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]]]
# 0,1번째 축을 기준으로 줄임
np.sum(z, axis = (0,1)) # array([198, 210, 222])
728x90
'Data > Data' 카테고리의 다른 글
[Numpy] broadcasting 이해 및 활용 (0) | 2022.06.16 |
---|---|
[Numpy] ndarray 기본 함수 사용하기(add, subtract, multiply, divide, mean, max, argmax, var, median, std, sum, cumsum, any, all, where) (0) | 2022.06.16 |
[Numpy] ndarray 데이터 형태 바꾸기(ravel, flatten, reshape) (0) | 2022.06.14 |
[Numpy] ndarray 인덱싱, 슬라이싱 (0) | 2022.06.14 |
[Numpy] random 서브 모듈 함수 이용(rand, randn, randint, seed, choice, 확률분포에 따른 ndarray) (0) | 2022.06.13 |
Comments