numpy

numpy

: 넘파이(Numpy)는 수치 데이터를 다루는 파이썬 패키지로써, 주로 배열이나 행렬 계산에 사용된다. Numpy의 핵심이라고 불리는 다차원 행렬 자료구조의 ndarray를 통해 벡터 및 행렬을 사용하는 선형 대수 계산에서 주로 사용. 넘파일 배열은 N차원 배열을 작성할 수 있습니다. 1차원 배열, 2차원 배열, 3차원 배열 처럼 원하는 차수의 배열을 만들수 있다. 수학에서는 1차원 배열을 벡터 vector, 2차원 배열을 행렬 matrix이라고 부른다. 또 벡터와 행렬을 일반화한 것을 텐서(tensor)라 한다. 일반적으로 2차원 배열을 행렬, 3차원 이상의 배열을 다차원 배열이라 한다.

import numpy as np

Numpy의 주요 모듈

모듈	기능
np.array()	리스트, 튜플, 배열로 부터 adarray를 생성
np.asarray()	기존의 array로 부터 adarray를 생성
np.arange()	range와 비슷
np.linspace(start, end, num)	[start, end] 균일한 간격으로 num개 생성
np.logspace(start, end, num)	[start, end] log scale 간격으로 num개 생성

np.array()

np.array() 는 파이썬의 리스트를 인수로 받아 넘파이 라이브러리가 제공하는 특수한 형태의 배열 (numpy.ndarray)을 반환

x = np.array([1.0, 2.0, 3.0])
print(x) #[1, 2, 3]
type(x) <class 'numpy.ndarray'>

넘파이 N차원 배열

: 넘파이는 1차원 배열(1줄로 늘어선 배열)뿐 아니라 다차원 배열도 작성할 수 있다

• shape : 행렬의 형상 (예. 2 x 2)

• ndim : 행렬의 차원 출력

• dtype : 행렬에 담긴 원소의 자료형

import numpy as np

x = np.array([[1, 2], [3, 4]])
print(x)
# [[1 2]
#  [3 4]]
print(x.shape) # (2, 2)
print(x.ndim) # 2
print(x.dtype) # int32

y = np.array([[3, 0], [0, 6]])
print(x + y) 
# [[ 4  2]
#  [ 3 10]]
print(x * y)
# [[ 3  0]
#  [ 0 24]]

넘파이 산술 연산

import numpy as np

x = np.array([1.0, 2.0, 3.0])
y = np.array([4.0, 5.0, 6.0])
print(x + y) # [5. 7. 9.]
print(x - y) # [-3. -3. -3.]
print(x * y) # [ 4. 10. 18.]
print(x / y) # [0.25 0.4  0.5 ]

Numpy에서 벡터와 행렬의 곱 또는 행렬곱을 위해서는 dot()을 사용

a = np.array([[1,2],[3,4]])
b = np.array([[5,6],[7,8]])
c = np.dot(a, b) print(c)
# [[19 22]
#  [43 50]]

ndnumpy의 초기화 : zeros(), ones(), full(), eye()

• zeros(): 해당 배열에 모두 0을 삽입

• ones() : 해당 배열에 모두 1을 삽입

• full() : 배열에 사용자가 지정한 값을 넣는데 사용

• eye() : 대각선으로는 1이고 나머지는 0인 배열을 생성

import numpy as np

a = np.zeros((2, 3))
print(a)
# [[0. 0. 0.]
#  [0. 0. 0.]]

a = np.ones((2, 3))
print(a)
# [[1. 1. 1.]
#  [1. 1. 1.]]

a = np.full((2, 3), 7)
print(a)
# [[7 7 7]
#  [7 7 7]]

a = np.eye(2)
print(a)
# [[1. 0.]
#  [0. 1.]]

np.arange()

numpy.arange(start, stop, step, dtype)
np.arange(n)       # 0부터 n-1까지 범위의 지정.
np.arange(i, j, k) # i부터 j-1까지 k씩 증가하는 배열.

a = np.arange(10) #0부터 9까지
print(a) # [0 1 2 3 4 5 6 7 8 9]
a = np.arange(1, 10, 2) #1부터 9까지 +2씩 적용되는 범위
print(a) # [1 3 5 7 9]

reshape()

: arange(n) 함수에 배열을 다차원으로 변형하는 reshape()를 통해 배열을 생성

import numpy as np

a = np.array(np.arange(1, 30, 2)).reshape((3,5))
# 여기서 reshape의 범위는 arange와 동일해야 한다 
print(a)
# [[ 1  3  5  7  9]
#  [11 13 15 17 19]
#  [21 23 25 27 29]]

브로드 캐스트

: 원소별 계산뿐 아니라 넘파일 배열과 수치 하나(스칼라값)의 조합으로 된 산술로 연산이 가능하다

import numpy as np
x = np.array([[1, 2], [3, 4]])
y = np.array([10, 20])
print(x + y)

넘파이 원소 접근

import numpy as np

x = np.array([[1, 2], [3, 4], [5, 6]])
print(x)
print(x[0]) # 0행의 원소, [1 2]
print(x[0][1]) # (0, 1)의 원소, 2

for row in x:
    print(row)
# [1 2]
# [3 4]
# [5 6]

# x를 1차원 배열로 변환(평탄화)
y = x.flatten() 
print(y) # [1 2 3 4 5 6]
# 인덱스가 0, 2, 4인 원소 얻기 
print(y[np.array([0, 2, 4])]) # [1 3 5]