본문 바로가기

Hacks

python 차원 이해하기 (with numpy)

개요

numpy의 numpy.zeros 메소드와 함께 배열을 만들 때 파악해야 하는 요소인 차원에 대해 알아보도록 하자.

torch의 tensor 자료형에서도 써먹을 수 있다.

 

글에서는 numpy.zeros를 줄여서 편하게 np.zeros라고 사용하겠다.

그리고 shape에 들어가는 값에 따른 차원의 변화만을 알아볼 것이다!

 

- np.zeros의 파라미터

 

 

각각의 기능에 대한 설명은 아래의 사이트를 참고하자.

https://aigong.tistory.com/62

 

numpy.zeros, numpy.zeros_like 알아보기

numpy zeros, zeros_like 알아보기 우리는 간혹 0으로 가득찬 array를 만들고 싶을 때가 있습니다. 때로는 0으로 가득찬 array 중에서도 어떤 array의 shape 모양을 가진 상태로 복사하고 싶을 때 또한 있습니

aigong.tistory.com

 

1. np.zeros((x)) : shape의 파라미터가 1개일 때

 

입력

출력

 

 

입력

 

출력

 

 

Matrix 관점: np.zeros(벡터의 차원)

Array 관점: np.zeros(열): 그러나 행이라고도 볼 수 있음, A의 shape는 (x,)이기에

 

2. np.zeros((x, y)): shape의 파라미터가 2개일 때

 

입력

출력

 

입력

출력

 

Matrix 관점: np.zeros(벡터의 개수, 벡터의 차원)

Array 관점: np.zeros(행, 열)

 

3. np.zeros((x, y, z)): shape의 파라미터가 3개일 때

 

입력

출력

 

입력

출력

 

 

Matrix 관점: np.zeros(Matrix의 개수, 벡터의 개수, 벡터의 차원)

Array 관점: np.zeros(Array의 개수, 행, 열)

 

4. np.zeros((x, y, z, q)): shape의 파라미터가 4개일 때

입력

출력

 

입력

출력

 

 

Matrix 관점: np.zeros(Matrix 묶음의 개수, Matrix의 개수, 벡터의 개수, 벡터의 차원)

Array 관점: np.zeros(Array 묶음의 개수, Array의 개수, 행, 열)