최근 포토로그


[udacity-machine-learning-finance]01-03 The power of NumPy 머신러닝 for finance

numpy 는 C++로 되어있어서 굉장히 빠르고, 파이썬으로 활용할수있어서 굉장히 쉽게 사용할수있다.

또한 matlab과 사용법이 유사하여서 이미 matlab에 익숙한 사용자라면 활용하기가 쉽다.

많은 사람들이 python의 numpy를 finance분석하는데 사용한다.

pandas의 dataframe과 numpy를 같이 활용할수가 있다.

nd1[row,col]

nd1[0,0] #첫번째 행의 첫번쨰 칼럼. 일반적인 리스트access랑 똑같다.

nd1[0:3, 1:3] # 0,1,2 선택, 1,2colunm선택. range로 선택할때는 마지막 값에 -1을 해주는것을 잊지말자.

nd1[:,3] # 0~end row선택, index3 colunm선택.

nd1.size 모든 원소들의 갯수를 반환.

nd1.dtype 으로 dataType확인도 가능

np.random.seed(693) #똑같은 랜덤값이 생성되게 한다. 

np.random.randint(0,10,size(5,4)) # shape가 5,4인 행렬을만드는데, 그 값의 범위는 0~10이다.

nd1.sum(axis=0)  #만약 shape가 5,4일 경우에, 각 컬럼을 기준으로 총합을 반환한다. 그래서 4개의 값이 반환됨.

nd1.sum(axis=1)  #shape가 5,4일 경우, 각 row를 기준으로 총합을 반환한다. 그래서 5개의 값이 반환됨.

nd1.mean(), nd1.max(), nd1.min() 등도 있고, axis를 args로 받아서 sum과 같이 계산할수있다.

nd1[:, 0:3:2] 모든 row를 선택하되, colunm은 0과 2만 선택한다. step사이즈는 :2로 마지막에 정해줬다.

a = np.rand.rand(5)
indices = np.array([1,1,2,3])
print(a[indices]) #a 의 1,1,2,3번째 index값을 반환한다. ! 






덧글

댓글 입력 영역


통계 위젯 (화이트)

02
12
7729

구글애널리틱스