본문 바로가기
반응형

분류 전체보기86

[Numpy] 넘파이 크기가 같은 행렬의 사칙연산 넘파이는 배열의 행렬 연산을 제공하는데, 배열의 차원과 크기가 같은 경우에는 같은 위치에 존재하는 요소끼리 연산을 합니다. (리스트에서의 덧셈과 곱셈은 배열 자체를 늘리는(확장) 동작을 하지만 넘파이에선 행렬 연산을 한다.) import numpy as np a = np.full((2, 3), 2.336) print(a, a.dtype) # [[2.336 2.336 2.336] # [2.336 2.336 2.336]] float64 b = np.array([(2, 2, 2), (4, 4, 4)]) print(b, b.dtype) # [[2 2 2] # [4 4 4]] int32 덧셈 abAdd = a + b print(abAdd, abAdd.dtype) # [[4.336 4.336 4.336] # [6... 2022. 7. 21. 07:12
[Numpy] 넘파이 배열의 dtype 바꾸는 방법 NumPy 배열은 배열 요소의 데이터 타입(dtype)에 따라 계산 방법이 달라집니다. 때로는 배열의 데이터 타입을 변경해야 하는 경우가 있습니다. NumPy에서 배열의 데이터 타입을 변경하는 방법은 다양합니다. 이를 캐스팅(Casting) 또는 형변환 한다고 합니다. astype() 메소드 사용하기 NumPy 배열의 데이터 타입을 변경하는 가장 간단한 방법은 astype() 메소드를 사용하는 것입니다. astype() 메소드는 새로운 dtype을 인수로 전달받아 해당 dtype으로 배열의 데이터 타입을 변경합니다. 예를 들어, 다음과 같은 코드를 실행해보겠습니다. import numpy as np # 1차원 배열 생성 arr1 = np.array([1, 2, 3, 4, 5]) # 데이터 형식 변경 전 .. 2022. 7. 20. 06:40
[C++] 자료형 확인 방법 (type_info name) C++에서도 Python의 type() 처럼 type_info class에서 제공하는 typeid().name()을 통해 자료형을 확인할 수 있습니다. #include #include using namespace std; int main(void) { cout 2022. 7. 19. 23:07
[Python] 파이썬 자료형 정리 1. 숫자형 num1 = 365 num2 = 3.14 num3 = 4 + 1j print('num1 type :', type(num1)) # num1 type : print('num2 type :', type(num2)) # num2 type : print('num3 type :', type(num3)) # num3 type : 가장 기본적인 형태인 숫자형입니다. C, C++과 달리 매우 간단하게 분류됩니다. 정수형 (int), 실수형(float), 복소수형(complex) 가 존재합니다. 2. 논리형 logical = False print('logical type :', type(logical)) # logical type : 논리형은 불형(bool)이라고도 불리는데 '참', '거짓'으로 나타낼 때 사.. 2022. 7. 15. 06:59
[C/C++] 자료형 크기 및 범위 정리 자료형의 크기 C언어에서 자료형(data type)의 크기를 파악하는 것은 중요합니다. 우리가 프로그래밍을 할 때 사용하는 변수가 메모리에 어느 정도 공간을 차지하는지 포인터로 접근할 때 어떤 단위로 움직이는지 알고 사용해야 프로그램이 오작동하는 문제를 줄일 수 있습니다. 가령 char를 사용하면서 255가 넘는 범위의 값을 넣는다거나, unsigned 변수인데 음수를 입력해 전혀 다른 수로 연산이 되는 등의 문제가 발생할 수 있기 때문입니다. 종류 자료형 크기 (byte) 범위 논리형 bool 1 true (~0), false (0) 문자 (signed) char 1 -128 ~ 127 unsigned char 1 0 ~ 255 정수 (signed) short 2 -32,768 ~ 32767 (sign.. 2022. 7. 13. 22:59
[Numpy] 넘파이 배열 생성 및 속성 확인 방법 1. 배열 생성 방법 array() array는 값을 직접 인자로 채워서 배열을 생성합니다. dim1 = np.array([1, 2, 3]) # [1 2 3] int32 dim2 = np.array([(1, 2, 3), (4, 5, 6)], dtype=np.float) # [[1. 2. 3.] # [4. 5. 6.]] float64 array는 리스트와 튜플의 조합으로 값을 직접 인자로 넣어 배열을 생성합니다. 리스트 '[]' 내에 값을 채우는데 차원을 늘리려면 튜플의 형태로 분리해 줍니다. 또한 옵션을 통해 dtype을 선택할 수 있습니다. zeros() / ones() / full() #=========== zeros =========== dim1 = np.zeros((3)) # [0. 0. 0.] .. 2022. 7. 11. 06:18
728x90
반응형

티스토리툴바