생성함수

.array

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

.arange

np.arange([start,] stop[, step,])

• 범위내에서 간격을 기준 균등 간격의 배열
• 요소의 객수가 아닌 데이터의 간격을 기준으로 배열 생성

.linspace

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

• start부터 stop의 범위에서 num개를 균일한 간격으로 데이터를 생성하고 배열을 만듦
• 요소 개수를 기준으로 균등 간격의 배열을 생성

np.linspace(1, 10, 4)

array([ 1.,  4.,  7., 10.])

.logspace

numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

• 로그 스케일의 linspace 함수
• 로그 스케일로 지정된 범위에서 num 개수만큼 균등 간격으로 데이터 생성한 후 배열 만듦

np.logspace(0.1, 1, 5, endpoint=True)

array([ 1.25892541,  2.11348904,  3.54813389,  5.95662144, 10.        ])

.ones

np.ones(shape, dtype=None, order='C')

• 지정된 shape의 배열을 생성하고, 모든 요소를 1로 초기화

.zeros

np.zeros(shape, dtype=float, order='C')

• 지정된 shape의 배열을 생성하고, 모든 요소를 0으로 초기화

.empty

np.empty(shape, dtype=float, order='C')

• 지정된 shape의 배열 생성
• 요소의 초기화 과정에 없고, 기존 메모리값을 그대로 사용
• 배열 생성비용이 가장 저렴하고 빠름
• 배열 사용 시 주의가 필요(초기화를 고려)

np.empty((2,3,4))

array([[[0.30478803, 0.13136692, 0.14360697, 0.6637217 ],
        [1.01872639, 0.17378054, 1.34104331, 1.12459434],
        [0.17369924, 0.78854114, 0.16261466, 0.80795099]],

       [[3.09358871, 1.85343424, 0.63535341, 1.75559233],
        [1.6292534 , 0.20653655, 0.24904475, 1.57862548],
        [0.52869262, 1.42407474, 0.85843783, 0.59465702]]])

.full

np.full(shape, fill_value, dtype=None, order='C')

• 지정된 shape의 배열을 생성하고, 모든 요소를 지정한 "fill_value"로 초기화

np.full((2,3),5)

array([[5, 5, 5],
       [5, 5, 5]])

.eye

np.eye(N, M=None, k=0, dtype=<class 'float'>)

• (N, N) shape의 단위 행렬(Unit Matrix) 생성

np.eye(3)

array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

like

• 지정된 배열과 shape이 같은 행렬 생성
  • np.zeros_like
  • np.ones_like
  • np.full_like
  • np.enpty_like