[Python] Machine Learning에서 자주 사용하는 라이브러리 함수

Python

shape : 튜플 값 return

import numpy as np

arr = np.array([[12, 20], [13, 15]])
print(arr.shape) # (2, 2)

 

NumPy

numpy.c_ : 두번째 축(axis 1)을 따라 열 방향으로 결합

import numpy as np

np.c_[np.array([1, 2, 3]), np.array([4, 5, 6])]
'''
array([[1, 4],
       [2, 5],
       [3, 6]])
'''
np.c_[np.array([[1, 2, 3]]), 0, 0, np.array([[4, 5, 6]])]
# array([[1, 2, 3, ..., 4, 5, 6]])

 

numpy.linalg.solve : Ax=B 형태의 선형 방정식 시스템을 풀 때 사용되며, 여기서 A는 계수 행렬, x는 해를 찾고자 하는 변수 벡터, 그리고 B는 결과 벡터

numpy.linalg.solve(a, b)

import numpy as np

a = np.array([[1, 2], [3, 5]])
b = np.array([1, 2])
x = np.linalg.solve(a, b)
x
# array([-1.,  1.])

 

numpy.ones : 주어진 모양과 유형으로 새로운 배열을 반환

numpy.ones(shape, dtype=None, order='C', *, like=None)

import numpy as np

numpy.ones(5) # array([1., 1., 1., 1., 1.])

numpy.ones((5,), dtype=int) # array([1, 1, 1, 1, 1])

numpy.ones((2, 1))
'''
array([[1.],
       [1.]])
'''
       
s = (2,2)
numpy.ones(s)
'''
array([[1.,  1.],
       [1.,  1.]])
'''

 

numpy.dot : 두 개의 배열의 내적을 계산

numpy.dot(a, b, out=None)

import numpy as np
numpy.dot(3, 4) # 12

numpy.dot([2j, 3j], [2j, 3j]) # (-13+0j)

a = [[1, 0], [0, 1]]
b = [[4, 1], [2, 2]]
numpy.dot(a, b)
'''
array([[4, 1],
       [2, 2]])
'''

 

numpy.arange : 주어진 간격 내에서 균등한 간격의 값을 return

numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None)

import numpy as np

np.arange(3) # array([0, 1, 2])
np.arange(3.0) # array([ 0.,  1.,  2.])
np.arange(3, 7) # array([3, 4, 5, 6])
np.arange(3, 7, 2) # array([3, 5])

 

matplotlib

matplotlib.pyplot.subplots : figure와 Axes 객체 또는 Axes 객체의 배열을 생성

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, width_ratios=None, height_ratios=None, subplot_kw=None, gridspec_kw=None, **fig_kw)

 

matplotlib.pyplot.plot : x와 y 값을 마커로 표시

matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

 

matplotlib.pyplot.xlim : x축의 limit을 가져오거나 설정

matplotlib.pyplot.xlim(*args, **kwargs)

 

matplotlib.pyplot.ylim : y축의 limit을 가져오거나 설정

matplotlib.pyplot.ylim(*args, **kwargs)

import numpy as np
import matplotlib.pyplot as plt

x = np.array([1.0, 1.2, 3, 4, 5, 6])
y = np.array([1.5, 3, 2.3, 5.3, 3.8, 5.5])

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_xlim([-1, 7])
ax.set_ylim([1, 6])

subplots 생성 후 plot 결과

 

- 끝 -