R, Python 분석과 프로그래밍의 친구 (by R Friend)

  (1-6-1) 배열의 원소에 대한 논리 함수 (logic functions for array contents)

  (1-6-1-1) 배열에 NaN(Not a Number) 포함 여부 확인 함수 : np.isnan(x)

# isnan : Test element-wise for NaN(Not a Number) and return result as a boolean array

In [1]: import numpy as np

In [2]: a = np.array([0, 1, 2, np.nan, 4, np.inf, np.NINF, np.PINF])

In [3]: a

Out[3]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])

In [4]: np.isnan(a)

Out[4]: array([False, False, False, True, False, False, False, False], dtype=bool)

  (1-6-1-2) 배열에 유한수(finite number) 포함 여부 확인 함수 : np.isfinite(x)

# isfinite : Test element-wise for finiteness (not infinity or not Not a Number)

In [5]: a

Out[5]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])

In [6]: np.isfinite(a)

Out[6]: array([ True, True, True, False, True, False, False, False], dtype=bool)

 (1-6-1-3) 배열에 무한수(infinite number) 포함 여부 확인 함수 : np.isinf(x)

# isinf : Test element-wise for positive or negative infinity

In [7]: a

Out[7]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])

In [8]: np.isinf(a)

Out[8]: array([False, False, False, False, False, True, True, True], dtype=bool)

  (1-6-1-4) 배열에 음의 무한수 포함 여부 : np.isneginf(x)

# isneginf : Test element-wise for negative infinity, return result as bool array

In [9]: a

Out[9]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])

In [10]: np.isneginf(a)

Out[10]: array([False, False, False, False, False, False, True, False], dtype=bool)

  (1-6-1-5) 배열에 양의 무한수 포함 여부 확인 함수 : np.isposinf(x)

# isposinf : Test element-wise for positive infinity, return result as bool arry

Out[11]: array([ 0., 1., 2., nan, 4., inf, -inf, inf])

In [12]: np.isposinf(a)

Out[12]: array([False, False, False, False, False, True, False, True], dtype=bool)

  (1-6-2) 참 확인 논리 함수 (Logic functions for truth value testing)

  (1-6-2-1) 배열의 모든 원소가 참(True) 인지 평가하는 함수 : np.all()

# np.all() : Test whether all array elements along a given axis evaluate to True

In [13]: np.all([[True,False],[True,True]])

Out[13]: False

In [14]: np.all([[True,False],[True,True]], axis=0)

Out[14]: array([ True, False], dtype=bool)

In [15]: np.all([[True,False],[True,True]], axis=1)

Out[15]: array([False, True], dtype=bool)

  (1-6-2-2) 배열의 1개 이상의 원소가 참(True) 인지 평가하는 함수 : np.any()

# np.any() : Test whether any array elements along a given axis evaluate to True

In [16]: np.any([[True,False],[True,True]])

Out[16]: True

In [17]: np.any([[True,False],[True,True]], axis=0)

Out[17]: array([ True, True], dtype=bool)

In [18]: np.any([[True,False],[True,True]], axis=1)

Out[18]: array([ True, True], dtype=bool)

In [21]: np.any([[False,False],[True,True]], axis=0)

Out[21]: array([ True, True], dtype=bool)

In [22]: np.any([[False,False],[True,True]], axis=1)

Out[22]: array([False, True], dtype=bool)

  (1-6-3) 단일 배열 원소에 대한 논리 연산(Logical operations)을 위한 논리 함수

  (1-6-3-1) 배열 원소가 조건을 만족하지 않는 경우 참 반환 : np.logical_not(condition)

# logical_not : Compute the truth value of NOT x element-wise, equivalent to -x

In [23]: b = np.array([0, 1, 2, 3, 4])

In [24]: np.logical_not( b <= 2 )

Out[24]: array([False, False, False, True, True], dtype=bool)

  (1-5-1) 배열 원소의 절대값 (absolute value) 범용 함수 : np.abs(x), np.fabs(x)

In [2]: x = np.array([-100, 1, -4, 100])

In [3]: x

Out[3]: array([-100, 1, -4, 100])

# abs, fabs : element-wise absolute value for integer, floating point, complex values

In [4]: np.abs(x)

Out[4]: array([100, 1, 4, 100])

In [5]: np.fabs(x)  # faster abs for non-complex-valued data

Out[5]: array([ 100., 1., 4., 100.])

  (1-5-2) 배열 원소의 제곱근(Square Root) 범용 함수 : np.sqrt(y)

# sqrt : Compute the square root of each element, equivalent to x**0.5

In [7]: np.sqrt(y)  # equivalent to x**0.5

Out[7]: array([ 1., 2., 10.])

In [8]: y**0.5

Out[8]: array([ 1., 2., 10.])

  (1-5-3) 배열 원소의 제곱값 (square value) 범용 함수 : np.square(y)

In [9]: y

Out[9]: array([ 1, 4, 100])

# square : Compute the square of each element, equivalent to x**2

In [10]: np.square(y) # equvalent to y**2

Out[10]: array([ 1, 16, 10000], dtype=int32)

In [11]: y**2

Out[11]: array([ 1, 16, 10000])

 (1-5-4) 배열 원소의 정수와 소수점을 구분하여 2개의 배열 반환 : np.modf(z)

In [12]: z = np.array([3.5, 7.8, -10.3])

In [13]: z

Out[13]: array([ 3.5, 7.8, -10.3])

# modf : return fractional and integral prats of array as separate array
# 1st array : fractional parts, 2nd array : integral parts

In [14]: np.modf(z)

Out[14]: (array([ 0.5, 0.8, -0.3]), array([ 3., 7., -10.]))

# indexing 2nd array of the returned array, which are integral parts 

In [15]: np.modf(z)[1]

Out[15]: array([ 3., 7., -10.])

In [16]: np.modf(z)[0]

Out[16]: array([ 0.5, 0.8, -0.3])

  (1-5-5) 배열 원소의 부호 판별 함수 : np.sign(x)  ☞ 1 (positive), 0(zero), -1(negative)

# sign : returns the sign of each element : 1 (positive), 0(zero), -1(negative)

In [17]: c = np.array([-2, -1, 0, 1, 2])

In [18]: c

Out[18]: array([-2, -1, 0, 1, 2])

In [19]: np.sign(c)

Out[19]: array([-1, -1, 0, 1, 1])

  (1-1) 올림 혹은 내림 범용 함수 (round universal functions)

# import module and making an array

In [1]: import numpy as np

In [2]: a = np.array([-4.62, -2.19, 0, 1.57, 3.40, 4.06])

In [3]: a

Out[3]: array([-4.62, -2.19, 0. , 1.57, 3.4 , 4.06])

 (1-1-1) np.around(a) : 0.5를 기준으로 올림 혹은 내림

# np.around(a) : Evenly round to the given number of decimals

In [3]: a

Out[3]: array([-4.62, -2.19, 0. , 1.57, 3.4 , 4.06])

In [4]: np.around(a)

Out[4]: array([-5., -2., 0., 2., 3., 4.]) 

 (1-1-2) np.round_(a, N) : N 소수점 자릿수까지 반올림

# np.round_(a, n) : Round an array to the given number of decimals

In [3]: a

Out[3]: array([-4.62, -2.19, 0. , 1.57, 3.4 , 4.06])

In [5]: np.round_(a, 1)

Out[5]: array([-4.6, -2.2, 0. , 1.6, 3.4, 4.1]) 

 (1-1-3) np.rint(a) : 가장 가까운 정수로 올림 혹은 내림

# round elements to the nearest integer

In [3]: a

Out[3]: array([-4.62, -2.19, 0. , 1.57, 3.4 , 4.06])

In [6]: np.rint(a)

Out[6]: array([-5., -2., 0., 2., 3., 4.])

 (1-1-4) np.fix(a) : '0' 방향으로 가장 가까운 정수로 올림 혹은 내림

# Round to nearest integer towards zero

In [3]: a

Out[3]: array([-4.62, -2.19, 0. , 1.57, 3.4 , 4.06])

In [7]: np.fix(a)

Out[7]: array([-4., -2., 0., 1., 3., 4.])

 (1-1-5) np.ceil(a) : 각 원소 값보다 크거나 같은 가장 작은 정수 값 (천장 값)으로 올림

# the smallest integer greater than or equal to each element 

In [3]: a

Out[3]: array([-4.62, -2.19, 0. , 1.57, 3.4 , 4.06])

In [8]: np.ceil(a)

Out[8]: array([-4., -2., 0., 2., 4., 5.])

 (1-1-6) np.floor(a) : 각 원소 값보다 작거나 같은 가장 큰 정수 값 (바닥 값)으로 내림

# the largest integer less than or equal to each element

In [3]: a

Out[3]: array([-4.62, -2.19, 0. , 1.57, 3.4 , 4.06])

In [9]: np.floor(a)

Out[9]: array([-5., -3., 0., 1., 3., 4.])

 (1-1-7) np.trunc(a) : 각 원소의 소수점 부분은 잘라버리고 정수값만 남김

# Return the truncated value of the input, element-wise

In [3]: a

Out[3]: array([-4.62, -2.19, 0. , 1.57, 3.4 , 4.06])

In [10]: np.trunc(a)

Out[10]: array([-4., -2., 0., 1., 3., 4.])