• 개요

▪︎ 배열 연산

• 배열 간 연산 (1차원)

a1 = np.array([1,2,3])
a2 = np.array([4,5,6])

print(a1 + a2)
print(a1 - a2)
# [5 7 9]
# [-3 -3 -3]

• 배열 간 연산 (2차원)

a1 = np.arange(1,5).reshape(2,2)
a2 = np.arange(11,15).reshape(2,2)

print(a1)
print(a2)
# [[1 2]
#  [3 4]]
# [[11 12]
#  [13 14]]

print(a1 + a2)
# [[12 14]
#  [16 18]]

print(a2 - a1)
# [[10 10]
#  [10 10]]

• 배열과 스칼라 연산 (1차원)

a1 = np.array([1,2,3,4])

print(a1 + 10)
# [11 12 13 14]

print(a1 * 2)
# [2 4 6 8]

• 배열과 스칼라 연산 (2차원)

a1 = np.arange(1,5).reshape(2,2)
a2 = np.arange(11,15).reshape(2,2)

print(a1)
print(a2)
# [[1 2]
#  [3 4]]
# [[11 12]
#  [13 14]]

print(a1 + 5)
# [[6 7]
#  [8 9]]

print(a2 * 3)
# [[33 36]
#  [39 42]]

print(a2 / 2)
# [[5.5 6. ]
#  [6.5 7. ]]

<aside> 💡

배열의 구조가 다른 경우 에러 발생

a1 = np.array([1,2,3])
a2 = np.array([1,2])

print(a1 + a2)
# ValueError: operands could not be broadcast together with shapes (3,) (2,) 

</aside>

▫︎ 브로드캐스팅

• 자동으로 배열의 크기를 확장하여 서로 다른 크기의 배열 간 연산을 가능하게 하는 기능
  • 두 배열의 차원을 뒤(낮은 차원)에서부터 비교
  • 크기가 같거나 한쪽이 1인 경우 확장이 가능

a1 = np.array([[1,2,3],[4,5,6]]) # (2, 3)
a2 = np.array([10,20,30]) # (3, )

# 1차원 (3, )
[10,20,30]

# 2차원으로 변혈 (1,3)
[[10,20,30]]

# 2차원의 행이 2로 확장
[[10,20,30], [10,20,30]]

print(a1 + a2)
# [[11 22 33]
#  [14 25 36]]

a1 = np.array([[1], [2], [3]]) # (3, 1)
a2 = np.array([10,20,30]) # (3, )

# a2 : (3, ) -> (1, 3)으로 변형
[[10, 20, 30]]

# a1과 a2비교 : a1 = (3, 1), a2 = (1, 3)
# 2차원의 경우 : 3 vs 1 -> a2의 2차원이 3으로 확장
[[10, 20, 30], [10, 20, 30], [10, 20, 30]]

# 1차원의 경우 : 1 vs 3 -> a1의 1차원이 3으로 확장
[[1, 1, 1], [2, 2, 2], [3, 3, 3]]

print(a1 + a2) 

<aside> 💡

브로드캐스팅이 불가능한 경우

a1 = np.ones((2,3))
a2 = np.ones((3,2))

print(a1 + a2)
# ValueError: operands could not be broadcast together with shapes (2,3) (3,2) 

</aside>

▪︎ 통계 함수 및 집계 연산

▫︎ 기본 통계 함수

• sum( ) : 원소의 합