Numpy 기초

#라이브러리 불러오기
import numpy as np

#numpy를 이용해 1차원 배열 만들기
a = np.array([1, 2, 3, 4, 5])

#numpy를 이용해 2차원 배열 만들기
b = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])

이런 식으로 n차원 배열을 활용해 n차원 행렬을 만들 수 있음

#용어정리
axis : 배열의 각 축
	ex) 2차원 배열의 경우 axis0이 세로, axis1이 가로 (세로와 가로라는 표현이 적절하진 않지만 이해를 위해..)
rank : 차원(축의 개수)
shape : 축의 길이, 배열의 크기

#몇차원 행렬인지 확인
배열변수.ndim 로 확인 가능

#형태(크기) 확인
배열변수.shape 로 확인 가능
결과는 튜플로 표시

#요소 자료형 확인
배열변수.dtype 로 확인 가능

#배열 형태 재구성
배열변수.reshape 로 변환
배열 요소가 사라지지 않는 형태여야 함(즉 행렬의 총 개수가 같아야 한다!)
2x5였던 b를 5x2형태로 변형
reshape는 사용시 인자에 -1을 넣으면 알아서 맞춰줌 (가능한 경우만)

#배열 인덱싱
배열[행, 열] 형태로 특정 위치의 요소를 조회
배열[[행1,행2,..], :] 또는 배열[[행1,행2,..]] 형태로 특정 행을 조회
배열[:, [열1,열2,...]] 형태로 특정 열을 조회
배열[[행1,행2,...], [열1,열2,...]] 형태로 특정 행의 특정 열을 조회

#배열 슬라이싱
배열[행1:행N,열1:열N] 형태로 지정해 그 위치의 요소를 조회
조회 결과는 2차원 배열
마지막 범위 값은 대상에 포함 X

#조건조회
배열에서 원하는 조건을 설정해서 조회

#배열집계
np.sum(배열변수명) or 배열변수명.sum()
여기에 axis = 0 또는 1을 주면 열 기준,  행 기준 집계가 됨 (안주면 전체)
동일 형태로 사용 가능한 함수 : np.max(), np.min, np.mean(), np.std(), np.argmax(), np.argmin() 
(arg붙은 함수는 인덱스를 반환함)

#조건문(결과값지정)
np.where(조건문, True일때 값, False일 때 값)
아래는 b배열에서 2보다 큰 요소는 1, 작은 요소는 0으로 추출