이 랩에서는 Numpy 라이브러리의 numpy.partition() 함수에 대해 배우게 됩니다. 이 함수는 주어진 인수에 따라 입력 배열을 분할하는 데 사용되며, 분할된 입력 배열의 복사본을 반환합니다. numpy.partition() 함수는 전체 배열을 정렬하지 않고 배열에서 k 번째로 작은 또는 큰 요소를 빠르게 찾고 싶을 때 유용합니다.
VM 시작이 완료되면 왼쪽 상단을 클릭하여 Notebook 탭으로 전환하여 실습을 위한 Jupyter Notebook에 액세스하십시오.
때로는 Jupyter Notebook 이 로딩을 완료하는 데 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한으로 인해 작업의 유효성 검사는 자동화될 수 없습니다.
학습 중에 문제가 발생하면 언제든지 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 신속하게 해결해 드리겠습니다.
먼저, Python 에서 배열과 행렬 작업을 위해 일반적으로 사용되는 Numpy 라이브러리를 임포트해야 합니다.
import numpy as np다음으로, Numpy 의 array() 메서드를 사용하여 입력 배열을 생성합니다. 이 배열은 numpy.partition() 함수를 사용할 시작점이 됩니다.
inp_ar = np.array([2, 0, 1, 5, 4, 9, 78, 34])
print("The input array:")
print(inp_ar)이제 numpy.partition() 함수를 사용하여 입력 배열 inp_ar을 5 번째로 작은 숫자 주변으로 분할합니다. 또한 결과로 분할된 배열을 출력합니다.
output = np.partition(inp_ar, 5)
print("The partitioned array:")
print(output)numpy.partition() 함수는 여러 번째 K 값 주변으로 분할하는 것도 허용합니다. 이 예제에서는 배열을 1 번째와 3 번째로 작은 숫자 주변으로 분할합니다.
arr = np.array([7, 4, 8, 1, 10, 13])
print("The input array:")
print(arr)
output = np.partition(arr, (1, 3))
print("The partitioned array:")
print(output)numpy.partition() 함수는 분할할 축, 수행할 정렬 종류, 필드를 비교할 순서를 지정할 수 있는 선택적 매개변수도 있습니다. 이 예제에서는 이러한 선택적 매개변수를 사용하여 2 차원 배열을 두 번째 축을 따라 분할하고 정렬 종류와 순서를 지정합니다.
arr_2d = np.array([[4, 5, 2], [3, 1, 6]])
print("The input 2D array:")
print(arr_2d)
output = np.partition(arr_2d, 1, axis=1, kind='heapsort', order=('col1', 'col2', 'col0'))
print("The partitioned 2D array:")
print(output)numpy.partition() 함수는 kth 매개변수의 음수 값도 처리할 수 있습니다. 이 예제에서는 배열을 -2 번째로 작은 숫자 주변으로 분할합니다.
arr = np.array([9, 3, 4, 1, 6])
print("The input array:")
print(arr)
output = np.partition(arr, -2)
print("The partitioned array:")
print(output)이 랩에서는 Numpy 라이브러리의 numpy.partition() 함수에 대해 배웠습니다. 입력 배열을 생성하고, numpy.partition() 함수를 사용하여 분할하고, 여러 k 번째 값 주변으로 분할하고, 축, 종류 및 순서를 지정하고, 음수 k 번째 값을 처리하는 방법을 다루었습니다. numpy.partition() 함수는 큰 배열을 처리하고 전체 배열을 정렬하지 않고 k 번째로 작은 또는 큰 요소를 빠르게 찾고 싶을 때 유용합니다.