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
- 브라이틱스
- Brightics Studio
- Brigthics를 이용한 분석
- 데이터 분석
- 삼성 SDS Brigthics
- 캐글
- Brigthics
- 개인 의료비 예측
- 혼공
- 삼성 SDS
- Brigthics Studio
- 직원 이직률
- 삼성SDS Brigthics
- 삼성SDS
- 노코드AI
- 혼공학습단
- 혼공머신러닝딥러닝
- 포스코 아카데미
- 직원 이직여부
- 팀 분석
- Brightics를 이용한 분석
- 데이터분석
- 모델링
- 브라이틱스 서포터즈
- 혼공머신
- 포스코 청년
- 영상제작기
- Brightics
- 추천시스템
- 삼성SDS Brightics
Archives
- Today
- Total
데이터사이언스 기록기📚
[Numpy] broadcasting 이해 및 활용 본문
1. broadcasting
- (연산 가능한) 두 ndarrat가 다른 shape을 가지는 경우 사용
- 활용
- 뒷 차원부터 비교하여 shape이 같을 때
- 차원 중 값이 1인 것이 존재할 때 가능
뒷 차원의 Shape이 같은 경우
- b의 행이 4개로 늘어나서 연산
a = np.arange(12).reshape(4,3)
# [[ 0 1 2]
# [ 3 4 5]
# [ 6 7 8]
# [ 9 10 11]]
b = np.arange(100,103)
# [100 101 102]
# b가 a의 뒷차원값과 맞아서 가능
a + b
# array([[100, 102, 104],
# [103, 105, 107],
# [106, 108, 110],
# [109, 111, 113]])
뒷 차원의 Shape이 다른 경우
- 오류 발생
a = np.arange(12).reshape(4,3)
# [[ 0 1 2]
# [ 3 4 5]
# [ 6 7 8]
# [ 9 10 11]]
c = np.arange(1000, 1004)
# [1000 1001 1002 1003]
# c는 a의 뒷차원과 맞지 않아서 오류
a + c # Error!
차원 중 값이 1인 것이 존재
- 연산 가능
a = np.arange(12).reshape(4,3)
# [[ 0 1 2]
# [ 3 4 5]
# [ 6 7 8]
# [ 9 10 11]]
b = np.arange(100,103)
# [100 101 102]
d = b.reshape(1,3) # 행렬
# [[100 101 102]]
# 뒷 차원이 동일해서 연산 가능
a + d
# array([[100, 102, 104],
# [103, 105, 107],
# [106, 108, 110],
# [109, 111, 113]])
728x90
'Data > Data' 카테고리의 다른 글
[Numpy] axis를 이용하여 연산하기 (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