Hacked by Psychedelphia

numpy 모듈 - asanyarray 함수(function) /// 설명 입력을 배열(ndarray)로 변환합니다.(ndarray subclass를 허용합니다.) a : 입력 데이터 입니다.(입력: 리스트, 튜플, ndarray) dtype : 출력할 배열의 데이터 형식입니다. 기본값으로 입력 데이터 형식을 따릅니다. order : 결과물의 메모리 저장 형식을 결정합니다. 'C'는 C언어 형식, 'F'는 포트란 형식입니다. 'A'는 prototype이 포트란 연속(Fortran contiguous)이면 'F', 아니면 'C'로 결정됩니다. 'K'(keep)는 입력 a 의 형식을 보존합니다. 기본값은 'K' 입니다. like : Numpy 배열이 아닌 형태로 생성하는 것을 허용합니다.(__array_function__ 프로토콜을 사용합니다.) ※ 형식 numpy.asanyarray(a, dtype=None, order=None, *, like=None) reference https://numpy.org/devdocs/reference/generated/numpy.asanyarray.html /// 예제 array-like 1 2 3 4 5 6 7 8 9 10 11 12 import  numpy  as  np   test  =  np.array([( 1. 0 ,  2 ), ( 3. 0 ,  4 )], dtype = 'f4,i4' ) print (test)   # [(1., 2) (3., 4)] print (np.asarray(test)  is  test)   # True print (np.asanyarray(test)  is  test)   # True   test  =  np.array([( 1. 0 ,  2 ), ( 3. 0 ,  4 )], dtype = 'f4,i4' ).view(np.recarr

numpy 모듈 - asarray 함수(function) /// 설명 입력을 배열(ndarray)로 변환합니다. a : 입력 데이터 입니다.(입력: 리스트, 튜플, ndarray) dtype : 출력할 배열의 데이터 형식입니다. 기본값으로 입력 데이터 형식을 따릅니다. order : 결과물의 메모리 저장 형식을 결정합니다. 'C'는 C언어 형식, 'F'는 포트란 형식입니다. 'A'는 prototype이 포트란 연속(Fortran contiguous)이면 'F', 아니면 'C'로 결정됩니다. 'K'(keep)는 입력 a 의 형식을 보존합니다. 기본값은 'K' 입니다. like : Numpy 배열이 아닌 형태로 생성하는 것을 허용합니다.(__array_function__ 프로토콜을 사용합니다.) ※ 형식 numpy.asarray(a, dtype=None, order=None, *, like=None) reference https://numpy.org/devdocs/reference/generated/numpy.asarray.html /// 예제 array-like 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 import  numpy  as  np   array  =  (( 1 ,  2 ), ( 3 ,  4 )) print (array) # ((1, 2), (3, 4))   test_np  =  np.asarray(array) print (test_np) # [[1 2] #  [3 4]]   print (array  is  test_np)   # False   list  =  [[ 1 ,  2 ], [ 3 ,  4 ]] print (list)   # [[1, 2], [3, 4]]   test_np  =  np.asarray(list)

numpy 모듈 - array 함수(function) /// 설명 배열을 생성합니다. object : 배열입니다. 만약 객체가 스칼라이면 0 차원입니다. dtype : 출력할 배열의 데이터 형식입니다. the minimum type(?) copy : 객체가 복사됩니다.(기본값 True 입니다.) 만약 False 라면 __array__ 가 복사본을 반환 또는 객체가 nested 시퀀스 이거나, 다른 조건(dtype, order)들을 만족하는 것이 필요로 될 때 복사가 이루어 집니다. order : 결과물의 메모리 저장 형식을 결정합니다. 'C'는 C언어 형식, 'F'는 포트란 형식입니다. 'A'는 object 가 포트란 연속(Fortran contiguous)이면 'F', 아니면 'C'로 결정됩니다. 'K'는 object 의 차원(layout)에 가장 부합하는 형태로 결정되어집니다. subok : True이면 생성되는 배열이 object 의 sub-class 형식을 사용합니다. 그렇지 않으면 base-class를 사용합니다. 기본값은 True 입니다. ndmin : 반환되는 배열이 최소한으로 가지는 차원의 수를 지정합니다. 필요하다면 1로 채워집니다. like : Numpy 배열이 아닌 형태로 생성하는 것을 허용합니다.(__array_function__ 프로토콜을 사용합니다.) ※ 형식 numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None) reference https://numpy.org/devdocs/reference/generated/numpy.array.html /// 예제 array-like 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

numpy 모듈 - full_like 함수(function) /// 설명 주어진 배열의 차원과 데이터 형식에 fill_value로 값을 채운 새로운 배열을 생성합니다. prototype : 결과물에 차원과 데이터 형식을 부여하는 prototype입니다. fill_value : 스칼라 dtype : 데이터 형식을 결정합니다. order : 결과물의 메모리 저장 형식을 결정합니다. 'C'는 C언어 형식, 'F'는 포트란 형식입니다. 'A'는 prototype이 포트란 연속(Fortran contiguous)이면 'F', 아니면 'C'로 결정됩니다. 'K'는 prototype의 차원(layout)에 가장 부합하는 형태로 결정되어집니다. subok : True이면 생성되는 배열이 prototype의 sub-class 형식을 사용합니다. 그렇지 않으면 base-class를 사용합니다. 기본값은 True 입니다. shape : 결과물의 차원을 결정합니다. 만약 저장형식(order)이 'K'이고 차원이 변경되지 않았다면, 저장형식은 변하지 않지만, 그렇지 않다면 C언어 형식(order='C')이 적용됩니다. ※ 형식 numpy.full_like(prototype, fill_value, dtype=None, order='K', subok=True, shape=None) reference https://numpy.org/devdocs/reference/generated/numpy.full_like.html /// 예제 array-like 1 2 3 4 5 6 7 8 9 10 import  numpy  as  np   array  =  (( 1 ,  2 ), ( 3 ,  4 )) print (array)   # ((1, 2), (3, 4))   test_np  =  np.full_like(array, np.nan,

numpy 모듈 - full 함수(function) /// 설명 주어진 차원과 형식으로 새로운 배열을 생성합니다. 값은 fill_value 로 채워집니다. shape : 차원 e.g., (3, 3) or 2 fill_value : 채워지는 값(스칼라 혹은 배열) dtype : 출력할 배열의 형식입니다. np.array(fill_value).dtype order : 배열메모리에 저장되는 형식으로 C언어 형식(기본값)은 'C', 포트란 형식은 'F'를 사용합니다. like : Numpy 배열이 아닌 형태로 생성하는 것을 허용합니다.(__array_function__ 프로토콜을 사용합니다.) ※ 형식 numpy.full(shape, fill_value, dtype=None, order='C', *, like=None) reference https://numpy.org/devdocs/reference/generated/numpy.full.html /// 예제 array-like 1 2 3 4 5 6 7 8 9 10 11 import  numpy  as  np   array  =  ( 1 ,  2 ,  4 ) print (array)   # (1, 2, 4)   test_np  =  np.full(( 3 ,  3 ), array) print (test_np) # [[1 2 4] #  [1 2 4] #  [1 2 4]]   Colored by Color Scripter cs /// 예제 numpy array 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 import  numpy  as  np   np_array  =  [ 3 ,  4 ] print (np_array)   # [3, 4]   test_np  =  np.full(( 3 ,  2 ), np_array)

numpy 모듈 - zeros_like 함수(function) /// 설명 주어진 배열의 차원과 데이터 형식을 가진 새로운 배열을 생성합니다. prototype : 결과물에 차원과 데이터 형식을 부여하는 prototype입니다. dtype : 출력할 배열의 데이터 형식입니다. order : 결과물의 메모리 저장 형식을 결정합니다. 'C'는 C언어 형식, 'F'는 포트란 형식입니다. 'A'는 prototype이 포트란 연속(Fortran contiguous)이면 'F', 아니면 'C'로 결정됩니다. 'K'는 prototype의 차원(layout)에 가장 부합하는 형태로 결정되어집니다. subok : True이면 생성되는 배열이 prototype의 sub-class 형식을 사용합니다. 그렇지 않으면 base-class를 사용합니다. 기본값은 True 입니다. shape : 결과물의 차원을 결정합니다. 만약 저장형식(order)이 'K'이고 차원이 변경되지 않았다면, 저장형식은 변하지 않지만, 그렇지 않다면 C언어 형식(order='C')이 적용됩니다. ※ 형식 numpy.zeros_like(prototype, dtype=None, order='K', subok=True, shape=None) reference https://numpy.org/devdocs/reference/generated/numpy.zeros_like.html /// 예제 array-like 1 2 3 4 5 6 7 8 9 10 11 import  numpy  as  np   array  =  (( 1 ,  2 ), ( 3 ,  4 )) print (array) # ((1, 2), (3, 4))   test_np  =  np.zeros_like(array) print (test_np) # [[0 0] #  [0 0]]   cs

numpy 모듈 - zeros 함수(function) /// 설명 주어진 배열을 0 으로 초기화 합니다. shape : (n x n) = (행 x 열) dtype : 출력할 배열의 형식입니다.(기본값은 numpy.float64 입니다.) order : 배열메모리에 저장되는 형식으로 C언어 형식(기본값)은 'C', 포트란 형식은 'F'를 사용합니다. like : Numpy 배열이 아닌 형태로 생성하는 것을 허용합니다.(__array_function__ 프로토콜을 사용합니다.) ※ 형식 numpy.zeros(shape, dtype=float, order='C', *, like=None) reference https://numpy.org/devdocs/reference/generated/numpy.zeros.html /// 예제 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 import  numpy  as  np   test_np  =  np.zeros( 4 ) print (test_np) # [0. 0. 0. 0.]   test_np  =  np.zeros(( 2 ,  2 )) print (test_np) # [[0. 0.] #  [0. 0.]]   test_np  =  np.zeros(( 3 ,), dtype = [( 'x' ,  'i4' ), ( 'y' ,  'i4' ), ( 'z' ,  'i4' )]) print (test_np) # [(0, 0, 0) (0, 0, 0) (0, 0, 0)]   test_np  =  np.zeros(( 3 ,  3 ), order = 'F' ) print (test_np) # [[0. 0. 0.] #  [0. 0. 0.] #  [0. 0. 0.]]  

numpy 모듈 - ones_like 함수(function) /// 설명 주어진 배열의 차원과 데이터 형식을 가진 새로운 배열을 생성합니다. prototype : 결과물에 차원과 데이터 형식을 부여하는 prototype입니다. dtype : 출력할 배열의 데이터 형식입니다. order : 결과물의 메모리 저장 형식을 결정합니다. 'C'는 C언어 형식, 'F'는 포트란 형식입니다. 'A'는 prototype이 포트란 연속(Fortran contiguous)이면 'F', 아니면 'C'로 결정됩니다. 'K'는 prototype의 차원(layout)에 가장 부합하는 형태로 결정되어집니다. subok : True이면 생성되는 배열이 prototype의 sub-class 형식을 사용합니다. 그렇지 않으면 base-class를 사용합니다. 기본값은 True 입니다. shape : 결과물의 차원을 결정합니다. 만약 저장형식(order)이 'K'이고 차원이 변경되지 않았다면, 저장형식은 변하지 않지만, 그렇지 않다면 C언어 형식(order='C')이 적용됩니다. ※ 형식 numpy.ones_like(prototype, dtype=None, order='K', subok=True, shape=None) reference https://numpy.org/devdocs/reference/generated/numpy.ones_like.html /// 예제 array-like 1 2 3 4 5 6 7 8 9 10 11 import  numpy  as  np   array  =  (( 1 ,  2 ), ( 3 ,  4 )) print (array) # ((1, 2), (3, 4))   test_np  =  np.ones_like(array) print (test_np) # [[1 1] #  [1 1]]   cs ///

numpy 모듈 - ones 함수(function) /// 설명 주어진 배열을 1 로 초기화 합니다. shape : (n x n) = (행 x 열) dtype : 출력할 배열의 형식입니다.(기본값은 numpy.float64 입니다.) order : 배열메모리에 저장되는 형식으로 C언어 형식(기본값)은 'C', 포트란 형식은 'F'를 사용합니다. like : Numpy 배열이 아닌 형태로 생성하는 것을 허용합니다.(__array_function__ 프로토콜을 사용합니다.) ※ 형식 numpy.ones(shape, dtype=None, order='C', *, like=None) reference https://numpy.org/devdocs/reference/generated/numpy.ones.html /// 예제 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 import  numpy  as  np   test_np  =  np.ones( 4 ) print (test_np) # [1. 1. 1. 1.]   test_np  =  np.ones(( 2 ,  2 )) print (test_np) # [[1. 1.] #  [1. 1.]]   test_np  =  np.ones( 5 , dtype = int ) print (test_np) # [1 1 1 1 1]   test_np  =  np.ones(( 3 ,  3 ), order = 'F' ) print (test_np) # [[1. 1. 1.] #  [1. 1. 1.] #  [1. 1. 1.]]     def  np_with_comas(object):      return  np.array2string(object, separator = ', ' )     test_np  =  np.ones(( 2 ,  2

numpy 모듈 - identity 함수(function) /// 설명 정방형 배열을 반환합니다. n : (n x n) = (행 x 열) dtype : 배열의 데이터 형식을 결정합니다. 기본값은 float 입니다. like : Numpy 배열이 아닌 형태로 생성하는 것을 허용합니다.(__array_function__ 프로토콜을 사용합니다.) ※ 형식 numpy.identity(n, dtype=None, *, like=None) reference https://numpy.org/devdocs/reference/generated/numpy.identity.html /// 예제 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 import  numpy  as  np   test_np  =  np.identity( 4 ) print (test_np) # [[1. 0. 0. 0.] #  [0. 1. 0. 0.] #  [0. 0. 1. 0.] #  [0. 0. 0. 1.]]   test_np  =  np.identity( 4 , dtype = int ) print (test_np) # [[1 0 0 0] #  [0 1 0 0] #  [0 0 1 0] #  [0 0 0 1]]     def  np_with_comas(object):      return  np.array2string(object, separator = ', ' )     test_np  =  np.identity( 2 ) print (np_with_comas(test_np)) # [[1., 0.], #  [0., 1.]]   Colored by Color Scripter cs * 실행환경: Microsoft Windows 10 Homes * 인터프리터: 파이썬(Python 3.9) – 당신을 응원합니다. –