파이썬 행렬과 NumPy 배열

이 문서에서는 내장 목록과 NumPy 패키지를 사용하여 Python 행렬을 배우겠습니다.

행렬은 숫자가 행과 열에 따라 정렬된 두차원 데이터 구조입니다. 예를 들어:

이 행렬은3x4（"세 곱 네"）행렬, 그러나 그것이3행4열.

Python 행렬

Python은 행렬의 내장 타입이 없습니다. 그러나 목록의 목록을 행렬로 볼 수 있습니다. 예를 들어:

A = [[1,　4,　5],　
　　　　[-5,　8,　9]]

이 목록의 목록을 행렬로 볼 수 있습니다.2행3행렬의 열.

이 문서를 계속하기 전에 꼭 이해해야 할 내용이 있습니다.Python 목록。

嵌套列表의 사용법을 보겠습니다.

A = [[1,　4,　5,　12],　
　　　　[-5,　8,　9, 0],
　　　　[-6,　7,　11,　19]]
print("A =", A)　
print("A[1], A[1])　　　　　　#　두 번째 행
print("A[1][2], A[1][2])　　　#　두 번째 행의 세 번째 요소
print("A[0][-1] =", A[0][-1])　　　#　첫 번째 행의 마지막 요소
column = [];　　　　　　　　#　공란 list
for row in A:
　　column.append(row[2])　　　
print("3rd column = "column"}

프로그램을 실행할 때, 출력은 다음과 같을 것입니다:

A = [[1,　4,　5,　12], [-5,　8,　9, 0], [-6,　7,　11,　19]]
A[1]　=　[-5,　8,　9, 0]
A[1][2]=　9
A[0][-1]=　12
3rd column = [5,　9,　11]

Python의 둥근 목록을 사용한 행렬과 관련된 몇 가지 예제가 있습니다.

• 두 행렬을 더하려면

• 행렬의 전치

• 두 행렬을 곱하려면

둥근 목록을 사용하여 행렬을 사용할 수 있지만,NumPyPython에서는 패키지를 사용하여 행렬을 처리하는 것이 더 나은 방법입니다.

NumPy 배열

NumPy는 과학 계산을 위한 소프트웨어 패키지로, 강력한 N차원 배열 객체를 지원합니다. NumPy를 사용하기 전에 설치해야 합니다. 더 많은 정보는,

• 이동하세요:NumPy를 어떻게 설치할 수 있습니까?

• Windows를 사용하는 경우, Python을 다운로드하고 설치하세요Anaconda 배포판. NumPy와 데이터 과학 및 머신러닝과 관련된 다른 소프트웨어 패키지가 포함됩니다.

NumPy를 설치한 후에는 그를 임포트하고 사용할 수 있습니다.

NumPy는 여러 차원 배열을 제공합니다(실제로는 객체입니다). 예를 들어:

import　numpy　as　np
a = np.array([1,　2,　3])
print(a)    # 출력: [1,　2,　3]
print(type(a))    # 출력: <class 'numpy.ndarray'>

과 같이 NumPy의 배열 클래스는 ndarray라고 합니다.

NumPy 배열을 어떻게 생성할 수 있습니까?

NumPy 배열을 생성하는 방법이 몇 가지 있습니다.

1. 정수, 실수와 복수 배열

import　numpy　as　np
A　=　np.array([1,　2,　3], [3,　4,　5]]
print(A)
A　=　np.array([1.1,　2,　3], [3,　4,　5])  # 실수 배열
print(A)
A　=　np.array([1,　2,　3], [3,　4,　5], dtype = complex)  # 복수 배열
print(A)

프로그램을 실행할 때, 출력은 다음과 같습니다:

[[1　2　3]
　[3　4　5]]
[[1.1　2.　　3. ]]
　[3.　　4.　　5. ]]
[[1.+0.j　2.+0.j　3.+0.j]
　[3.+0.j　4.+0.j　5.+0.j]]

2. 0과 1의 배열

import　numpy　as　np
zeors_array = np.zeros((2,　3) )
print(zeors_array)
'''
　출력:
　[[0. 0. 0.]
　　[0. 0. 0.]]
'''
ones_array = np.ones((1,　5), dtype=np.int32　　//　dtype
print(ones_array)    # 출력: [[1　1　1　1　1]]

여기서, dtype를 지정했습니다32비트4바이트). 따라서, 이 배열은 특정 범위의 값을 사용할 수 있습니다.-2^-312^-31-1

3. 사용할 수 있는 arange()와 shape()

import　numpy　as　np
4
print('A =
B = np.arange(12).reshape(2,　6
print('B =
'''　
출력:
A = [0　1　2　3]
B = [[ 0　　1　　2　　3　　4　　5]
　[　6　　7　　8　　9　10　11]]
'''

에 대해 알아보세요NumPy 배열을 생성하는 방법다른 메서드에 대한 더 많은 정보를 제공했습니다.

행렬 연산

위에서, 우리는3예제: 두 행렬의 덧셈, 두 행렬의 곱셈 및 행렬 전치. 이 프로그램을 작성하기 전에는 내장 목록을 사용했습니다. NumPy 배열을 사용하여 동일한 작업을 수행하는 방법을 보겠습니다.

두 행렬의 덧셈

우리는 다음을 사용합니다+연산자는 두 NumPy 행렬의 대응 요소를 더합니다.

import　numpy　as　np
A　=　np.array([2,　4], [5,　-6]]
B = np.array([9,　-3], [3,　6]]
C = A　+　B # 요소의 지혜로운 추가
print(C)
'''　
출력:
[[11　　1]
　[　8　　0]]
　'''

두 행렬 곱셈

두 행렬을 곱하기 위해 dot() 메서드를 사용합니다. 두 행렬 곱셈에 대한 정보를 이해하십시오.numpy.dot작동 방식에 대한 더 많은 정보

주의: *수组分할(두 수组的 대응 요소의 곱)에 사용되며, 행렬 곱셈이 아닙니다.

import　numpy　as　np
A　=　np.array([3,　6,　7], [5,　-3, 0]])
B = np.array([1,　1], [2,　1], [3,　-3]]
C = A.dot(B)
print(C)
'''　
출력:
[[　36　-12]
　[　-1　　　2]]
'''

행렬 전치

우리는 다음을 사용합니다numpy.transpose행렬의 전치 계산

import　numpy　as　np
A　=　np.array([1,　1], [2,　1], [3,　-3]]
print(A.transpose())
'''　
출력:
[[　1　　2　　3]
　[　1　　1　-3]]
'''

처음 보셨듯, NumPy는 작업을 더 쉽게 만듭니다.

행렬 요소, 행과 열 접근

행렬 요소 접근

리스트와 유사하게, 행렬 요소에 인덱싱을 사용하여 접근할 수 있습니다. 일차원 NumPy 배열부터 시작해 보겠습니다.

import　numpy　as　np
A = np.array([2,　4,　6,　8,　10])
print("A[0] =", A[0]) # 첫 번째 요소　　　　　
print("A[2], A[2]) # 세 번째 요소　
print("A[-1], A[-1]) # 마지막 요소

프로그램을 실행할 때, 출력은 다음과 같습니다:

A[0] =　2
A[2]=　6
A[-1]=　10

이제, 두차원 배열(기본적으로 행렬)의 요소에 접근하는 방법을 보겠습니다.

import　numpy　as　np
A　=　np.array([1,　4,　5,　12],
　　　　[-5,　8,　9, 0],
　　　　[-6,　7,　11,　19]]
# 첫 번째 행의 첫 번째 요소
print("A[0][0] =", A[0][0])　　
# 두 번째 행의 세 번째 요소
print("A[1][2], A[1][2])
# 마지막 행의 마지막 요소
print("A[-1][-1], A[-1][-1])

프로그램을 실행할 때, 출력은 다음과 같을 것입니다:

A[0][0] =　1
A[1][2]=　9
A[-1][-1]=　19

행렬의 행 접근

import　numpy　as　np
A　=　np.array([1,　4,　5,　12],　
　　　　[-5,　8,　9, 0],
　　　　[-6,　7,　11,　19]]
print("A[0] =", A[0]) # 첫 번째 행
print("A[2], A[2]) # 세 번째 행
print("A[-1], A[-1]) # 마지막 행 (3rd row in this case)

프로그램을 실행할 때, 출력은 다음과 같을 것입니다:

A[0] = [1,　4,　5,　12]
A[2]　=　[-6,　7,　11,　19]
A[-1]　=　[-6,　7,　11,　19]

행렬의 열 접근

import　numpy　as　np
A　=　np.array([1,　4,　5,　12],　
　　　　[-5,　8,　9, 0],
　　　　[-6,　7,　11,　19]]
print("A[:,0] =", A[:,0]) # 첫 번째 열
print("A[:,3], A[:,3]) # 네 번째 열
print("A[:,-1], A[:,-1])　# 마지막 열(4th 열

프로그램을 실행할 때, 출력은 다음과 같을 것입니다:

A[:,0]　=　[　1　-5　-6]
A[:,3]　=　[12　　0　19]
A[:,-1]　=　[12　　0　19]

위 코드가 어떻게 작동하는지 모르면, 이 문서의 행렬 부분의 슬라이싱을 읽어보세요.

행렬 슬라이싱

일维 NumPy 배열의 슬라이싱은 리스트와 유사합니다. 리스트 슬라이싱의 작동 방식을 알지 못하면, 다음을 방문하세요파이썬의 슬라이싱 기호 이해하기。

예를 들어:

import　numpy　as　np
letters　=　np.array([1,　3,　5,　7,　9,　7,　5])
#　3rd부터　5th요소
print(letters[2:5])　　　　　　　　# 출력:　[5,　7,　9]
#　1st부터　4th요소
print(letters[:-5])　　　　　　　　# 출력:　[1,　3]　　　
#　6th부터 마지막 요소까지
print(letters[5:])　　　　　　　　　# 출력:[7,　5]
#　1st부터 마지막 요소까지
print(letters[:])　　　　　　　　　　# 출력:[1,　3,　5,　7,　9,　7,　5]
# 목록을 뒤집기
print(letters[::-1)]　　　　　　　　　　# 출력:[5,　7,　9,　7,　5,　3,　1]

이제, 행렬을 캔버스하는 방법을 보여드리겠습니다.

import　numpy　as　np
A　=　np.array([1,　4,　5,　12,　14],　
　　　　[-5,　8,　9,　0,　17],
　　　　[-6,　7,　11,　19,　21]]
print(A[:2,　:4)]　　# 두 행, 네 열
'''출력:
[[　1　　4　　5　12]
　[-5　　8　　9　　0]]
'''
print(A[:1,])　　# 첫 번째 행, 모든 열
'''출력:
[[　1　　4　　5　12　14]]
'''
print(A[:,2)]　　# 모든 행, 두 번째 열
'''출력:
[　5　　9　11]
'''
print(A[:,　2:5)]　　# 모든 행, 세 번째부터 다섯 번째 열
'''출력:
[[　5　12　14]
　[　9　　0　17]
　[11　19　21]]
'''

그러나 볼 수 있듯이 NumPy(또는 중첩된 리스트 대신)를 사용하면 행렬을 더 쉽게 처리할 수 있으며, 기본적인 지식에 대해 다루지 않았습니다. 데이터 과학에서 Python을 사용하려는 경우 NumPy 소프트웨어 패키지를 자세히 연구하는 것을 추천합니다./분석 시.

NumPy 자원, 도움이 될 수 있습니다:

• NumPy 교육

• NumPy 참조