ones & zeros & empty

• ones: 1로만 구성된 numpy배열
• zeros: 0으로만 구성된 numpy배열
• empty: 빈 numpy배열이나, 메모리를 초기화하지 않고 shape 크기 만큼 할당한 메모리공간의 값 반환하므로 생성될때마다 다른 값을 반환한다.

셋 다 매개변수로 shape를 지정하여 원하는 형태의 배열을 생성 할 수 있다.

또 dtype으로 데이터 타입도 지정 가능하다.

np.ones(shape=(3,5), dtype=np.int8)

>array([[1, 1, 1, 1, 1],

          [1, 1, 1, 1, 1],

          [1, 1, 1, 1, 1]], dtype=int8)

 

empty는 빈 배열이 나오는게 아니라 shape크기 만큼의 메모리에 원래 있던 값을 반환한다고 생각하면 된다.

np.empty(shape=(3,5),dtype=np.float64)

>array([[4.67931831e-310, 1.06099790e-312, 1.01855798e-312, 9.54898106e-313, 1.10343781e-312],

          [1.01855798e-312, 1.23075756e-312, 1.08221785e-312, 1.12465777e-312, 9.76118064e-313],

          [1.18831764e-312, 1.06099790e-312, 1.01855798e-312, 3.44981226e+175, 6.81019663e-310]])

 

 

추가로, 이 함수들 뒤에 _like만 붙이면 기존 배열을 매개변수로 활용할 수 있는데 다음과 같다.

ones_like & zeros_like & empty_like

• ones_like(기존 배열): 기존 배열의 모든 값을 1로 변환
• zeros_like(기존 배열): 기존 배열의 모든 값을 0으로 변환
• empty_like(기존 배열): 기좀 배열의 모든 값을 비움, 이때 empty와 마찬가지로 메모리 값 반환

단, 원본 데이터를 바꾸는게 아니라 새로 생성하는거라서 원본 데이터는 유지된다.

import numpy as np
xx = np.arange(12).reshape(4,-1)
xx

>array([[ 0, 1, 2],

          [ 3, 4, 5],

          [ 6, 7, 8],

          [ 9, 10, 11]])

zero_xx = np.zeros_like(xx)
print(zero_xx)
print()
print(xx)

>[[0 0 0]

   [0 0 0]

   [0 0 0]

   [0 0 0]]

 

  [[ 0 1 2]

   [ 3 4 5]

   [ 6 7 8]

   [ 9 10 11]]