[ Numpy 100제 ] 01 ~ 10 번

numpy 핸들링에 익숙해져야 한다고 생각해서.. 마침 누군가 잘 만들어둔 numpy 100제 문제가 있어 조금씩 풀어보려 한다.

문제 링크 : link
내 코드 : link

01. import numpy package under the name np

import numpy as np

너무 많이 써봤던 코드다.

02.Print the numpy version and the configuration

np.__version__
# '1.21.0'

numpy 버전을 체크해본 적은 없지만, 당연히 이렇게 될 것이라 짐작할 수 있었다.

03. Create a null vector of size 10

a = np.zeros(10)
a
# array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

어렵지 않게 구할 수 있었다.

04. How to find the memory size of any array

a = np.zeros(100)
num_items = a.size
size_items = a.itemsize
print(f'num_items : {num_items}')
print(f'size_items : {size_items}')
print(f'memory_size : {num_items * size_items}')

# num_items : 100
# size_items : 8
# memory_size : 800

모르는 게 나왔다.
np.size 까지는 사용해봤는데, itemsize 는 처음 본다.
numpy 행렬의 장점인 모든 요소에 같은 자료형과 용량이 할당되는 점을 이용해 길이와 itemsize를 곱해주면 쉽게 구할 수 있었다.

05. How to get the documentation of the numpy add function from the command line?

np.info('add')

     *** Found in numpy ***
add(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])

Add arguments element-wise.

Parameters
----------
x1, x2 : array_like
    The arrays to be added.
    If ``x1.shape != x2.shape``, they must be broadcastable to a common
    shape (which becomes the shape of the output).
out : ndarray, None, or tuple of ndarray and None, optional
    A location into which the result is stored. If provided, it must have
    a shape that the inputs broadcast to. If not provided or None,
    a freshly-allocated array is returned. A tuple (possible only as a
    keyword argument) must have length equal to the number of outputs.
where : array_like, optional
    This condition is broadcast over the input. At locations where the
    condition is True, the `out` array will be set to the ufunc result.
    Elsewhere, the `out` array will retain its original value.
    Note that if an uninitialized `out` array is created via the default
    ``out=None``, locations within it where the condition is False will
    remain uninitialized.
**kwargs
    For other keyword-only arguments, see the
    :ref:`ufunc docs <ufuncs.kwargs>`.

Returns
-------
add : ndarray or scalar
    The sum of `x1` and `x2`, element-wise.
    This is a scalar if both `x1` and `x2` are scalars.
... 

워후 이런 게 있었다.
종종 사용할 듯 ㅎㅎ

06. Create a null vector of size 10 but the fifth value which is 1

# my solution
a = [1.0 if i == 4 else 0.0 for i in range(10)]
a = np.array(a)
print(a)
# solution
a = np.zeros(10)
a[4] = 1
print(a)

내 풀이와 문제를 낸 사람의 풀이가 갈렸는데, numpy array, tensor 로 바꾼 뒤에는 인덱스 접근을 하지 않으면 좋을 것 같아서..

07. Create a vector with value ranging from 10 to 49

a = np.arange(10, 50)
a
'''
array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26,
       27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43,
       44, 45, 46, 47, 48, 49])
'''

자주 사용해봤던 친구라 어렵지 않았다.

08. Reverse a vector (first element becomes last)

a = np.arange(0, 10)
a[::-1]
# array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])

::-1 을 주어 step을 -1로 바꿔주었다. 이렇게 역순의 array를 얻을 수 있게 된다!

09. Create 3x3 matrix with values ranging from 0 to 8

a = np.arange(0, 9)
a = a.reshape(3, -1)
a
'''
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
'''

-1을 인자로 넣어주면
"야, 행은 3개야. 그럼 열은 몇개인지 알아서 계산해"하는 옵션을 줄 수 있다.
어렵지 않았다.

10. Find indices of non-zero elements from [1, 2, 0, 0, 4, 0]

a = np.array([1, 2, 0, 0, 4, 0])
np.nonzero(a) # awesome
# array([0, 1, 4]),)

자주 사용하게 될 것 같다. 몰랐는데 찾아봤더니 이런 멋진 게 있더라.