[NumPy] 생성 및 초기화, 기본 조작 (1)

1. ndarray 생성하기 (=tensor생성하기)

np.array ( seq [,dtype])

• list 나 tuple 등의 sequence 객체로부터 ndarray 생성.
• dtype : data type of element.
  • float64 : default type in the numpy. *
  • uint8 : unsigned int (8bit), the most commonly used for image processing
  • int8 : signed int (8bit)
  • float32 : float (32bit)

예제는 다음과 같음.

t = (1,2,3,4,5,6)
a = np.array(t)
print(type(t))
print(type(a))

 

결과는

<class 'tuple'>
<class 'numpy.ndarray'>

 

https://ds31x.tistory.com/34

[Python] list (sequence type) : summary

---

2. ndarray의 대표적인 attributes

print(a.ndim)     # num of dimensions
print(a.shape)    # 각 축의 요소의 수를 가진 tuple반환.
print(a.itemsize) # 각 요소의 bytes 크기
print(a.size)     # 총 요소의 수.
print(a.dtype)    # 각 요소의 data type

 

결과는

1
(6,)
8
6
int64

---

3. 기본 dtype

numpy 의 경우, float64 와 int64 가 기본적인 data type임.

• tensorflow 의 경우, float32 와 int32
• torch 의 경우, float32 와 int64

https://dsaint31.tistory.com/456

[Programming] Primitive Data Type : C, C++, NumPy, Torch

2024.03.15 - [Python] - [DL] Tensor 객체의 attributes: ndim, shape, dtype

[DL] Tensor 객체의 attributes: ndim, shape, dtype

 

---

4. Multi-dimensional Array

# nested lists result in multi-dimensional arrays
a = np.array([range(i, i + 3) for i in [2, 4, 6]])
print(a.ndim)
print(a.shape)
print(a.itemsize) #bytes
print(a.size)
print(a.dtype)
a

 

결과는

2
(3, 3)
8
9
int64
array([[2, 3, 4],
       [4, 5, 6],
       [6, 7, 8]])

---

5. ndarray를 특정 값으로 초기화하기

zeros,ones, and full (or fill: tf)

5.1 zeros: 0으로 초기화

a = np.zeros((3,2)) # default dtype = float64
# a = np.zeros(shape=(4,4),dtype=np.uint8)
print(a.dtype)
a

결과는

<dtype: 'float32'>
<tf.Tensor: shape=(3, 2), dtype=float32, numpy=
array([[0., 0.],
       [0., 0.],
       [0., 0.]], dtype=float32)>

---

5.2 ones: 1로 초기화

a = np.ones((4,2,3))
print(a.dtype)
a

 

결과는

float64
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.]]])

---

5.3 full: 특정값을 지정하여 초기화

a = np.full((1,3),255)
print(a.dtype)
a

결과는

int64
array([[255, 255, 255]])

---

6. 기존 ndarray객체와 shape를 같게 초기화.

• 기존의 ndarray 와 같은 shape를 가지는 ndarray생성 (torch의 tensor도 유사.)
  • zeros_like, ones_like, and full_like
• tf 의 경우는 다음과 같음.
  • zeors_like, ones_like, and fill

---

6.1 zeros_like

s = np.array([[1,2,3],[4,5,6]])
print(s.shape, a.dtype)

a = np.zeros_like(s)
print(a.shape, a.dtype)
a

 

결과는

(2, 3) int64
(2, 3) int64
array([[0, 0, 0],
       [0, 0, 0]])

---

6.2 ones_like

a = np.ones_like(s)
print(a.shape, a.dtype)
a

 

결과는

(2, 3) int64
array([[1, 1, 1],
       [1, 1, 1]])

---

6.3 full_like

a = np.full_like(s,3.0)
print(a.dtype)
a

 

결과는

int64
array([[3, 3, 3],
       [3, 3, 3]])

---

7. 기타

7.1 arange

range의 float 버전.

print(range(0,10,1)) # only integer
print(np.arange(0,1,0.1))

 

결과는

range(0, 10)
[0.  0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]

 

 dtype도 지정가능.

---

7.2 linspace

step 대신 points 갯수

a = np.linspace(1,5,6)
print(a.dtype)
print(a)

 

결과는

float64
[1.  1.8 2.6 3.4 4.2 5. ]

---

7.3 Identity Matrix

a = np.eye(5)
print(a.dtype)
print(a)

 

결과는

float64
[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]
<dtype: 'float32'>

---

7.4 초기화 없이 생성.

a = np.empty((4,2))
print(a.dtype)
print(a)

 

결과는

float64
[[4.86489613e-310 0.00000000e+000]
 [0.00000000e+000 0.00000000e+000]
 [0.00000000e+000 0.00000000e+000]
 [0.00000000e+000 0.00000000e+000]]

---

8. 난수로 구성된 ndarray

2024.03.29 - [Python] - [DL] Tensor: Random Tensor 만들기 (NumPy, PyTorch)

[DL] Tensor: Random Tensor 만들기 (NumPy, PyTorch)

---

9. dtype이나 shape변경하기.

2024.03.15 - [Python] - [DL] Tensor: dtype 변경(casting) 및 shape 변경.

[DL] Tensor: dtype 변경(casting) 및 shape 변경.

2024.09.09 - [Python] - [NumPy] ravel() 메서드 with flatten

[NumPy] ravel() 메서드 with flatten

---

 

같이 보면 좋은 URLs

2024.03.18 - [Python] - [DL] Tensor: Indexing <Simple, Slicing, Fancy, Boolean Mask>

[DL] Tensor: Indexing <Simple, Slicing, Fancy, Boolean Mask>

2024.03.16 - [Python] - [DL] Tensor: Transpose and Permute

[DL] Tensor: Transpose and Permute

2024.03.19 - [Python] - [Tensor] vectorized op. (or universal func)

[Tensor] vectorized op. (or universal func)