<* Numpy 기본 수학함수 *>

◀ 수학 함수 ▶
np.add(), np.subtract(), np.multiply(), np.divide(): 배열의 요소별 덧셈, 뺄셈, 곱셈, 나눗셈을 수행한다.
np.sqrt(): 배열의 각 요소에 대한 제곱근을 계산한다.
np.exp(): 배열의 모든 요소에 대해 지수 함수를 계산한다.
np.log(): 배열의 각 요소에 대한 자연 로그 값을 계산한다.
np.dot(): 두 배열의 점곱(dot product)을 계산한다.

---<예제 >------------------------------------------
# 요소별 연산
add_arr = np.add(arr, 5)
print("Addition:", add_arr)

# np.sqrt() 사용
sqrt_arr = np.sqrt(arr)
print("Square root:", sqrt_arr)

# np.dot() 사용
dot_product = np.dot(arr, arr)
print("Dot Product:", dot_product)
_________________________________________________________

◀ 수학 및 통계 함수 ▶
np.sum(): 배열 요소의 총 합을 계산한다.
np.prod(): 배열 요소의 총곱을 계산한다.
np.cumsum(), np.cumprod(): 배열의 누적 합 또는 누적 곱을 계산한다.
np.diff(): 배열의 차분을 계산한다.
np.percentile(), np.quantile(): 배열의 백분위수 또는 분위수를 계산한다.

---< 예제 >---------------------------------------------
arr = np.array([1, 2, 3, 4, 5])
print("Sum:", np.sum(arr))
print("Product:", np.prod(arr))
print("Cumulative sum:", np.cumsum(arr))
print("Differences:", np.diff(arr))
print("50th percentile:", np.percentile(arr, 50))
___________________________________________________________


◀ 통계 함수 ▶
np.mean(): 주어진 축에 따른 배열 요소의 평균을 계산한다.
np.median(): 배열의 중앙값을 찾는다.
np.std(): 주어진 축에 따른 배열의 표준 편차를 계산한다.
np.var(): 주어진 축에 따른 배열의 분산을 계산한다.
np.min(), np.max(): 배열에서 최소값 또는 최대값을 찾는다.

---< 예제 >-----------------------------------------------------
# np.mean() 사용
mean_val = np.mean(arr)
print("Mean:", mean_val)

# np.std() 사용
std_dev = np.std(arr)
print("Standard Deviation:", std_dev)

# np.min()과 np.max() 사용
min_val = np.min(arr)
max_val = np.max(arr)
print("Minimum:", min_val, "Maximum:", max_val)
_______________________________________________________________


◀ 선형 대수 함수 ▶
np.linalg.inv(): 행렬의 역행렬을 계산한다.
np.linalg.det(): 행렬의 행렬식을 계산한다.
np.linalg.eig(): 정사각 행렬의 고유값과 고유벡터를 계산한다.
np.linalg.solve(): 선형 행렬 방정식을 해결한다.
np.linalg.svd(): 행렬의 특이값 분해(Singular Value Decomposition)를 수행한다

---< 예제 >-------------------------------------------
matrix = np.array([[1, 2], [3, 4]])
print("Inverse:", np.linalg.inv(matrix))
print("Determinant:", np.linalg.det(matrix))
eigenvalues, eigenvectors = np.linalg.eig(matrix)
print("Eigenvalues:", eigenvalues)
print("Eigenvectors:", eigenvectors)
_________________________________________________________


◀ 논리 함수 ▶
np.all(): 배열의 모든 요소가 True인지 검사한다.
np.any(): 배열의 요소 중 하나라도 True인지 검사한다.

---< 예제 >------------------------------------------
# np.all() 사용
all_true = np.all([True, True, False])
print("All true:", all_true)

# np.any() 사용
any_true = np.any([True, True, False])
print("Any true:", any_true)
___________________________________________________________


◀ 집합 함수 ▶
np.unique(): 배열 내의 고유한 요소를 찾아 반환한다.
np.intersect1d(): 두 배열의 교집합을 찾는다.
np.union1d(): 두 배열의 합집합을 찾는다.

---< 예제 >-----------------------------------------------
# np.unique() 사용
unique_arr = np.unique([1, 2, 2, 3, 3, 3, 4])
print("Unique elements:", unique_arr)

# np.union1d() 사용
union_arr = np.union1d([1, 2, 3], [2, 3, 4])
print("Union of two arrays:", union_arr)

# np.intersect1d() 사용
intersect_arr = np.intersect1d([1, 2, 3], [2, 3, 4])
print("Intersection of two arrays:", intersect_arr)
__________________________________________________________________