열 단위 브로드캐스팅

열 방향으로 브로드캐스팅할 때, NumPy에서는 브로드캐스팅할 배열이 세로 방향임을 명시해야 하며, 가로/세로 1차원 배열이라는 개념은 존재하지 않습니다. 대신 먼저 2차원 배열을 만들어 데이터가 세로 방향임을 나타내야 해요. 그러면 NumPy가 이 세로 2차원 배열을 각 열에 대해 복제하고 원하는 연산을 적용합니다.

len() 값이 12인 Python 리스트 monthly_growth_rate가 제공되어 있어요. 이 리스트는 월별 전년 대비 예상 성장률을 나타냅니다. 여러분의 과제는 브로드캐스팅을 사용해 이 리스트를 monthly_sales 배열의 각 열과 곱하는 것입니다. monthly_sales 배열과 numpy는 np로 로드되어 있어요.

이 연습은 강의의 일부입니다

NumPy 소개

연습 안내

현재 Python 리스트인 monthly_growth_rate를 1차원 NumPy 배열 monthly_growth_1D로 변환하세요.
monthly_growth_1D를 monthly_sales에 열 방향으로 브로드캐스팅할 수 있도록 재구조화하고, 새 배열 이름을 monthly_growth_2D로 하세요.
브로드캐스팅을 사용해 monthly_sales의 각 열을 monthly_growth_2D와 곱하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Convert monthly_growth_rate into a NumPy array
monthly_growth_1D = ____

# Reshape monthly_growth_1D
monthly_growth_2D = monthly_growth_1D.____

# Multiply each column in monthly_sales by monthly_growth_2D
print(____)

코드 편집 및 실행

이 연습은 강의의 일부입니다

NumPy 소개

SkillTag.level.beginnerSkillTag.label

4.8+

무료로 강의 시작하기

놀라운 NumPy 배열을 만나 보세요! 필요에 맞게 배열을 생성하고 모양을 바꾸는 방법을 익힙니다. 마지막으로, NumPy의 다양한 데이터 타입과 그것이 빠른 배열 연산에 어떻게 기여하는지 알아봐요.

Exercise 1: 배열 소개 Exercise 2: 첫 번째 NumPy 배열 만들기 Exercise 3: 처음부터 배열 만들기 Exercise 4: 범위 배열 만들기 Exercise 5: 배열 차원수 Exercise 6: 3D 배열 생성 Exercise 7: 네 번째 차원 Exercise 8: 평탄화와 재구조화 Exercise 9: NumPy 데이터 타입 Exercise 10: dtype 인자 Exercise 11: 데이터 타입 예측하기 Exercise 12: 더 작은 스도쿠 게임

뉴욕시 가로수 조사 데이터를 슬라이싱, 필터링, 정렬하면서 NumPy 데이터 처리 실력을 한층 끌어올리세요. 조건문을 바탕으로 데이터를 뽑아 새로운 배열을 만들고, 목적에 맞게 어떤 차원으로든 데이터를 추가·제거해 보세요. 그 과정에서 초고속 배열 연산을 준비하기 위한 모양(shape)과 차원 호환성 원칙도 익히게 됩니다.

Exercise 1: 배열 인덱싱과 슬라이싱 Exercise 2: 나무 데이터 슬라이싱과 인덱싱 Exercise 3: 2차원으로 한 걸음 Exercise 4: 나무 정렬하기 Exercise 5: 배열 필터링 Exercise 6: 마스크로 필터링하기 Exercise 7: 고급 인덱싱 vs. np.where()Exercise 8: 조건으로 배열 만들기 Exercise 9: 데이터 추가 및 제거 Exercise 10: 호환되나요, 아니나요?Exercise 11: 행 추가하기 Exercise 12: 열 추가하기 Exercise 13: np.delete()로 삭제하기

NumPy의 빠른 벡터화 연산을 활용해 미국의 주류 상점, 레스토랑, 백화점 매출 데이터에서 요약 인사이트를 도출해 보세요. Python 함수를 벡터화하여 NumPy 코드에서 사용하고, broadcasting 로직을 적용해 크기가 다른 배열끼리 수학 연산을 수행합니다.

Exercise 1: 데이터 요약하기 Exercise 2: 판매 합계 Exercise 3: 평균값 그리기 Exercise 4: 누적 매출 Exercise 5: 벡터화된 연산 Exercise 6: 세금 계산 Exercise 7: 매출 예측하기 Exercise 8: Vectorizing .upper()Exercise 9: 브로드캐스팅 Exercise 10: 브로드캐스팅 가능할까요?Exercise 11: 열 단위 브로드캐스팅

현재 연습

Exercise 12: 행을 가로지르는 브로드캐스팅

마지막 장에서는 Monet의 걸작 이미지 데이터를 활용해, 이미지 데이터를 어떻게 증강할 수 있는지 살펴봅니다. 뒤집기와 전치 기능을 사용해 작품을 빠르게 변환해 보세요. 이어서 Monet 배열을 분해하고 변경한 뒤, 배열 쌓기를 통해 다시 조립하여 결과를 확인합니다.

Exercise 1: 배열 저장하고 불러오기 Exercise 2: `.npy` 파일 불러오기 Exercise 3: 도움말 확인하기 Exercise 4: 업데이트하고 저장하기 Exercise 5: 배열 곡예 Exercise 6: 모네 작품 증강하기 Exercise 7: 당신의 걸작, 전치해 보기 Exercise 8: 스택과 분할 Exercise 9: 2D 분할과 스택 Exercise 10: RGB 데이터 분리하기 Exercise 11: RGB 데이터 쌓기 Exercise 12: 축하합니다!