Numpy(배열기초3) - 배열의 연산

1. 배열의 연산을 이해하기 위해

• 1, 2차원은 벡터와 행렬?
  • 행렬 - 위키백과, 우리 모두의 백과사전 (wikipedia.org)
• 다차원 연산을 위해선 선형대수학?
  • 선형대수학 - 위키백과, 우리 모두의 백과사전 (wikipedia.org)

2. 선형대수 기본연산

• 기본연산(+, -)

array= np.array([[1,2],[3,4]])
array_plus = array + array
array_plus

array_minus = array - array
array_minus

$$ array-plus= \begin{pmatrix} 2 & 4 \\ 6 & 8 \end{pmatrix} $$ $$ array-minus= \begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix} $$

• dot(곱하기)

array= np.array([[1,2],[3,4]])
dot_array = np.dot(array, array)
dot_array

$$ dot-array= \begin{pmatrix} 7 & 10 \\ 15 & 22 \end{pmatrix} $$

• transpose(전치)

array= np.array([[1,2],[3,4],[5,6]])
array

array_trans = np.transpose(array)
array_trans

$$ array = \begin{pmatrix} 1 & 2 \\ 3 & 4 \\ 5 & 6 \end{pmatrix} $$ $$ array-trans= \begin{pmatrix} 1 & 3 & 5 \\ 2 & 4 & 6 \end{pmatrix} $$

3. 선형대수 기술통계

len(array)  # 데이터 개수
np.mean(array)  # 데이터 평균
np.var(array)  # 데이터 분산
np.std(array)  # 데이터 표준편차

np.max(array)  # 데이터 최대값
np.min(array)  # 데이터 최소값
np.median(array)  # 데이터 중앙값
np.percentile(array, 25)  # 데이터 1사분위수
np.percentile(array, 50)  # 데이터 2사분위수
np.percentile(array, 75)  # 데이터 3사분위수