DeepHive :: BeeHive

이번에는 numpy array의 차원, 크기, 길이 함수를 알아보는 ndim, shape, len 함수를 알아보려고 합니다. 1. 배열의 차원 (Dimension) import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr.ndim) # 출력: 1 위의 예시에서 배열 arr의 차원은 1입니다. 즉, 1차원 배열임을 나타냅니다. 배열의 크기(shape)는 각 차원의 길이를 튜플로 표현한 것 입니다. 2. 배열의 크기 (Shape) import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(arr.shape) # 출력: (3, 3) 배열 arr의 크기(shape)는 (3, 3)입니다...

NumPy 2차원 배열에서 원소에 접근하고 인덱싱하는 다양한 방법을 소개하고자합니다. 1. 원소 접근 NumPy 2차원 배열의 각 원소에 접근하는 가장 간단한 방법은 인덱스를 사용하는 것입니다. 인덱스는 0부터 시작하며, 대괄호([]) 안에 인덱스를 지정하여 해당 위치의 원소에 접근할 수 있습니다 import numpy as np arr = np.array([1, 2, 3], [ 4, 5, 6], [7, 8, 9]]) # 특정 위치의 원소에 접근 print(arr[0, 0]) # 출력: 1 print(arr[1, 2]) # 출력: 6 위의 예시에서 'arr'은 3X3의 2차원 배열입니다. [i, j]와 같은 형태의 인덱스를 사용하여 특정 위치의 원소에 접근할 수 있습니다. arr[0, 0]는 첫 번째 행..

판다스(Pandas)의 시리즈(Series)는 1차원 데이터 구조로, 인덱스(index)와 값(value)으로 구성된 데이터를 담는 객체입니다. Series 는 열(column) 또는 변수(variable)를 나타내는 데에 자주 사용됩니다. Series 는 NumPy 배열과 유사하며, 인덱스를 통해 각 값에 접근할 수 있습니다. Series 의 특징 Series 는 다음과 같은 특징을 가지고 있습니다. 값의 정렬: 시리즈는 값의 정렬을 지원합니다. 기본적으로 인덱스에 따라 값이 정렬되어 있습니다. 유연한 인덱싱: 시리즈는 사용자가 지정한 인덱스를 사용하여 데이터에 접근할 수 있습니다. 인덱스는 숫자, 문자열 또는 기타 자료형으로 구성될 수 있습니다. 누락된 데이터 처리: 시리즈는 누락된 데이터를 표현하기..

딕셔너리에 새로운 딕셔너리를 추가하는 방법은 간단합니다. 기존의 딕셔너리에 새로운 키-값 쌍을 할당하면 됩니다. 이때 값으로는 새로운 딕셔너리를 사용하면 됩니다. 예를 들어, 다음과 같은 기존의 딕셔너리가 있다고 가정하고, my_dict = {'name':'John', 'age':25} 'city'와 'country'라는 키를 가진 새로운 딕셔너리를 정의해보겠습니다. new_dict={'city':'Seoul','country':'Korea'} 위 my_dict 에 새로운 딕셔너리를 추가하는 방법은 update() 메서드를 사용하면 됩니다. 새로운 딕셔너리의 키-값 쌍이 기존 딕셔너리에 추가됩니다. update() 메서드를 사용 >>>my_dict=update(new_dict) >>>my_dict {'n..

파이썬의 NumPy 배열에서 요소를 삭제하는 방법에 대해 1차원 배열, 2차원 배열, 3차원 배열에 대한 예시를 들어 설명해드리겠습니다. 1. 1차원 배열에서 요소 삭제 import numpy as np arr = np.array([1, 2, 3, 4, 5]) new_arr = np.delete(arr, 2) print(new_arr) # 출력: [1, 2, 4, 5] np.delete() 함수를 사용하여 배열 arr에서 인덱스 2에 해당하는 요소를 삭제한 새로운 배열 new_arr을 생성합니다. 2. 2차원 배열에서 행 또는 열 삭제 import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) new_arr = np.delete(arr, 1..