Python NumPy 슬라이스, 통계

ndarray 배열 슬라이싱

import numpy as np

arr = np.arange(0, 10)
arr1 = arr[2:6]
arr1[0] = 15 # shallow copy
print(arr)
print(arr1)

print()
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
arr1 = arr[:2, 1:3]
arr1[0, 0] = 5 # shallow copy
print(arr)
print(arr1)

실행 결과

배열을 잘라 따로 가지고 올 수 있지만 위와 같은 코드는 얕은 복사가 되며, 원본 데이터도 같이 바뀌게 된다.

아래와 같이 copy()를 이용한다.

import numpy as np

arr = np.arange(0, 10)
arr1 = arr[2:6].copy()
arr1[0] = 15 # shallow copy
print(arr)
print(arr1)

print()
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
arr1 = arr[:2, 1:3].copy()
arr1[0, 0] = 5 # shallow copy
print(arr)
print(arr1)

실행 결과

NumPy 기본 통계 메서드

메서드	설명
sum	배열 전체, 혹은 특정 축에 대한 모든 원소의 합
mean	산술 평균 계산
std	표준 편차 계산
var	분산 계산, std의 제곱과 같음
min	최솟값
max	최댓값

 

CSV 임의 데이터

위와 같은 CSV 파일도 불러와 메서드 사용 결과를 확인 할 수 있다.

import numpy as np

try:
	# delimiter 기준으로 나누고 1행을 무시한다, datatype은 int형으로
    data_set = np.loadtxt(fname='임의데이터.csv', delimiter=',', skiprows = 1, dtype='int64')
except IOError:
    print('파일을 불러올 수 없습니다')
    exit(1)

print('전체 데이터 값')
print(data_set, '\n')
print('shape: ', data_set.shape) # (행, 열)

print('전체 데이터 합: {}'.format(data_set.sum()))
print('전체 데이터 평균: {}'.format(data_set.mean()))
print('각 열의 평균: {}'.format(data_set.mean(axis=0, dtype='int64'))) # x 축으로 (column), 데이터 셋의 열 별(axis=0은 열을 뜻함)
print('각 열의 최댓값: {}'.format(data_set.max(axis=0)))
print('각 열의 최솟값: {}'.format(data_set.min(axis=0)))

실행 결과