NumPy의 기본 연산
- 연산자(+, -, *, /, >, <, ==, !=, ...)를 이용하여 직관적인 배열 연산 가능
- 모든 연산은 배열의 각 요소별로 적용됨(element-wise)
- 모든 산술 연산 함수는 NumPy 모듈에 구현되어 있음
- numpy.add() 또는 +연산자
- numpy.subtract() 또는 -연산자
- numpy.divide() 또는 /연산자
- numpy.multiply() 또는 *연산자
- 논리 연산 동일하게 사용 가능
import numpy as np
import time
# 샘플 데이터 생성
a = np.arange(1,10).reshape(3,3)
print('A---')
print(a)
b = np.arange(9,0,-1).reshape(3,3)
print('\nB---')
print(b)
'''
# NumPy 의 덧셈연산
'''
result = a + b
print('\nResult of A + B')
print(result)
result = np.add(a, b)
print('\nResult of np.add(a,b)')
print(result)
'''
# NumPy 의 나눗셈 연산
'''
result = a / b
print('\nResult of A / B')
print(result)
result = np.divide(a, b)
print('\nResult of np.divide(a,b)')
print(result)
'''
# NumPy 의 비교연산(>)
'''
result = a > b
print('\nResult of comparison operator(>)')
print(result)
'''
# NumPy 의 비교연산(!=)
'''
result = a != b
print('\nResult of comparison operator(!=)')
print(result)
'''
# Python 코드 실행 시간 측정하기
'''
python_arr = range(10000000)
start = time.time()
for i in python_arr:
i + 1
print("\nPython(ms):", (time.time() - start)*1000)
'''
# NumPy 코드 실행 시간 측정하기
'''
numpy_arr = np.arange(10000000)
start = time.time()
numpy_arr + 1
print("NumPy(ms):", (time.time() - start)*1000)
A---
[[1 2 3]
[4 5 6]
[7 8 9]]
B---
[[9 8 7]
[6 5 4]
[3 2 1]]
Result of A + B
[[10 10 10]
[10 10 10]
[10 10 10]]
Result of np.add(a,b)
[[10 10 10]
[10 10 10]
[10 10 10]]
Result of A / B
[[0.11111111 0.25 0.42857143]
[0.66666667 1. 1.5 ]
[2.33333333 4. 9. ]]
Result of np.divide(a,b)
[[0.11111111 0.25 0.42857143]
[0.66666667 1. 1.5 ]
[2.33333333 4. 9. ]]
Result of comparison operator(>)
[[False False False]
[False False True]
[ True True True]]
Result of comparison operator(!=)
[[ True True True]
[ True False True]
[ True True True]]
Python(ms): 924.7148036956787
NumPy(ms): 31.086444854736328
'프로젝트 > 코드프레소 체험단' 카테고리의 다른 글
파이썬으로 배우는 데이터 분석: NumPy - 데이터 조회 (0) | 2022.04.01 |
---|---|
파이썬으로 배우는 데이터 분석: NumPy - NumPy의 집계함수 (0) | 2022.04.01 |
파이썬으로 배우는 데이터 분석: NumPy - NumPy의 reshape (0) | 2022.04.01 |
파이썬으로 배우는 데이터 분석: NumPy - NumPy의 데이터 타입 (0) | 2022.03.28 |
파이썬으로 배우는 데이터 분석: NumPy - ndarray 생성 (0) | 2022.03.28 |