np.ones_like()
- ()안과 같이 동일한 모양으로 배열을 만든다.
import numpy as np
a = np.ones(5,5)
b = np.ones_like(a)
print(b)
실행결과
array([[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.]])
.shape
- 특정 배열이 가지고 있는 모양을 확인가능하다.
.ndim
- 특정 배열이 몇 차원인지 확인가능하다.
.dtype
- 특정 배열의 데이터 타입을 확인가능하다.
b.shape -> (5,5)
d.ndim -> 2
b.dtype -> dtype('float64)
range
- range 는 시퀀스라고 한다.
- range 는 보통 반복문에서 주로 사용가능하다.
- numpy에서도 range 와 비슷한 모양으로 사용가능하다.
- range 만을 사용해서는 실수 시퀀스가 불가능하다.
- numpy에서는 arange 만을 사용해서 실수 시퀀스가 가능하다.
Python 에서의 복사
- Python 은 객체지향 언어이다.
list_a = [1,2,3,4,5,6,7]
list_b = list_a
list_a
list_b
list_b[2] = 3003
list_b
list_a
ld(list_a)
ld(list_b)
list_a 와 list_b 의 id는 서로 같다. 이는 list_b 가 list_a 전체를 복사하지 않고 list_a와 같이 가리키도록 하여서
만약에 b 의 값이 바뀌면 a 의 값도 바뀐다.
객체를 복사할 때 슬라이싱해서 복사하면 슬라이싱 한 만큼만 새롭게 객체가 생성된다.
'Python > 데이터 분석' 카테고리의 다른 글
[Python] 데이터 분석 ( 데이터 분석을 위한 기초 문법 ) (0) | 2024.02.08 |
---|