Boolean Masking: 조건에 따라 배열의 요소를 선택할 수 있는 Numpy의 기능데이터 분석과 처리에서 자주 사용되며, 특정 조건을 만족하는 요소들을 쉽게 필터링할 수 있다. Boolean mask: True와 False로 이루어진 배열mask 배열을 원본 배열에 적용하면 True에 해당하는 요소들만 선택되어 필터링 된다.element-wise로 대응해 처리하기 때문에 원본 배열과 masking배열의 shape은 같아야한다.import numpy as nparr = np.array([10, 15, 20, 25, 30])mask = arr > 20 # masking배열 생성newArr = arr[mask] # 원본 배열에 masking배열 적용print(newArr)## 출력[25,30] 다음..

1. 1차원 Array Indexing1) Indexing일반적인 파이썬에서 리스트를 인덱싱하는 방법과 동일하다크기가 N인 Array가 있다면 []를 활용해 0번 ~ N-1번까지 인덱싱 할 수 있다.반대로 뒤에서부터 인덱싱을 하고 싶다면 -1번 ~ -N번까지 인덱싱 할 수 있다.array_one = np.arange(1,11)print(f'array_one[0]: {array_one[0]}')print(f'array_one[5]: {array_one[5]}')print(f'array_one[9]: {array_one[9]}')print(f'array_one[-5]: {array_one[-5]}')print(f'array_one[-1]: {array_one[-1]}')## 출력array_one[0]: 1a..

한국시간 기준 8일 04시에 기준금리 결정이 있었다.월가의 전문가들은 0.25bp하락을 예상했고 그렇게 되었다.[FOMC 성명서 전문]더보기Recent indicators suggest that economic activity has continued to expand at a solid pace. Since earlier in the year, labor market conditions have generally eased, and the unemployment rate has moved up but remains low. Inflation has made progress toward the Committee's 2 percent objective but remains somewhat elevated...

경제 관련 내용을 포스팅 하는 카테고리에 갑자기 왠 정치 내용이냐 라고 생각할 수도 있지만, 미국 대선은 누가 당선되느냐에 따라 앞으로의 경제 정책, 주요 산업 등이 바뀌고 미국이 바뀌면 전 세계가 바뀌기 때문에 꼭 눈여겨 봐야 한다.주식을 하는 사람이라면 갑작스럽게 급등한 미 증시를 확인할 수 있을 것이다.물론 실적발표 시즌이 겹치기도 했지만 대선 기간 동안 많은 투자자들이 '트럼프 트레이딩'을 했으며, 트럼프가 발전시키겠다고 말한 산업 분야들의 기업들이 폭등하였다. 트럼프는 친 석유화학 에너지, 원자력 에너지 성향을 가진 정치인이다.이에 따라 위와 관련된 기업들이 폭등하였고 신재생에너지와 관련된 기업들은 주가 하락을 면치 못했다.2차전지 산업 또한 IRA 축소, 석유화학에너지의 강세 등이 예상되면서 ..

다음의 세 가지 과정을 통해 Broadcasting에 대해 알아보자.1) 일차원 배열  + 스칼라2) 2차원 배열 + 일차원 배열3) Broadcasting 1. 1차원 배열 + 스칼라a = np.arange(4)s = 10b = a + sprint(a.shape)print(b.shape)## 출력(4,)(4,) 앞선 포스팅에서도 언급했지만 Vectorization을 통해 연산이 빠르게 수행된다. 2. 2차원 배열 + 1차원 배열a = np.arange(8).reshape(2,4)b = np.arange(4)c = a+bprint(f'a.shape:{a.shape}, b.shape:{b.shape}')print(f'c.shape:{c.shape}')## 출력a.shape:(2, 4), b.shape:(4..

1. ndarray를 다루는 여러가지 메소드1) Reshape- data는 그대로 유지한 채 배열의 형태만 변경- 변경할 shape형태에 -1을 사용하면 인터프리터가 자동으로 연산- 성립될 수 없는 shape으로 모양을 변형하려고 하면(정수로 안떨어지면) 에러 발생my_array = np.arange(10)my_new_array = my_array.reshape(2,5)my_new_array2 = np.reshape(my_array, (2,-1))print(my_array)print(my_new_array)print(my_new_array2)## 출력[0 1 2 3 4 5 6 7 8 9][[0 1 2 3 4] [5 6 7 8 9]][[0 1 2 3 4] [5 6 7 8 9]] *(1,6)과 (6,)의 차..