넘파이(Numpy) 기초 (1)

1. 넘파이(Numpy)

1.1 넘파이란

• 데이터는 행렬로 표현된다.
• 행렬 데이터 빠르게 계산하는 파이썬 패키지
• 행렬 데이터 생성, 수정, 계산 등을 빠르게 처리해주는 패키지
• 특징
  • C, C++, 포트란으로 작성
  • 선형대수학을 빠르게 연산
    • 스칼라, 벡터, 매트릭스

2. 넘파이 실습

2.1 넘파이 불러오기

1

import numpy as np

• import numpy as np로 np라는 약어로 많이 사용됨

2.2 행렬 데이터 생성

1
2

array = np.array([1, 2, 3])
type(array), array

1

(numpy.ndarray, array([1, 2, 3]))

1
2
3
4
5

array2 = np.array(
    [[1, 2, 3],
     [4, 5, 6]],
)
array2, array2.ndim, array2.shape

1
2
3
4

(array([[1, 2, 3],
        [4, 5, 6]]),
 2,
 (2, 3))

• ndarray : 한가지 데이터 타입만 값으로 사용이 가능
• ndim : 몇 차원인지 확인하는 메서드
• shape : array의 모양을 출력

2.3 행렬의 모양 변경하기 - reshape

1
2
3
4
5
6

print(array2.reshape(3,2))
print()
print(array2.reshape(6))
print()
print(array2.reshape(3,2,1))

1
2
3
4
5
6
7
8
9
10
11
12
13
14

[[1 2]
 [3 4]
 [5 6]]

[1 2 3 4 5 6]

[[[1]
  [2]]

 [[3]
  [4]]

 [[5]
  [6]]]

• 행렬의 모양을 변경하는 메서드
• 다만, 전체 value값을 넘지못함

2.4 행렬 데이터의 선택 - offset index, masking

1

array2[1], array2[1][2], array2[1][::-1], array2[1][:6]

1

(array([4, 5, 6]), 6, array([6, 5, 4]), array([4, 5, 6]))

1

array2[1,2]

1

6

• 리스트 처럼 offset index와 masking 사용이 가능함

2.5 데이터 수정

1
2
3

ls = [1, 2, 3]
ls[1] = 5
ls

1

[1, 5, 3]

1
2

array2[1][2] = 10
array2

1
2

array([[ 1,  2,  3],
       [ 4,  5, 10]])

• masking을 활용하여 해당 부분의 데이터를 수정 가능함

2.6 브로드 캐스팅

1
2

array2[0] = 0
array2

1
2

array([[ 0,  0,  0],
       [ 4,  5, 10]])

• array2[0] = 0으로 array2[0]의 3개의 원소가 전부 0으로 변경됨 (브로드캐스팅)

1
2

array2[0] = [7,8,9]
array2

1
2

array([[ 7,  8,  9],
       [ 4,  5, 10]])

• 물론 각각 1개씩 원소를 직접 수정도 가능함

2.7 조건으로 선택

1
2

idx = array2 > 7
idx

1
2

array([[False,  True,  True],
       [False, False,  True]])

• 조건으로 선택하면 True, False로 반환이 됨

1

array2[idx]

1

array([ 8,  9, 10])

• 조건으로 반환 받은변수를 Masking 하면 True 값만 반환됨

1
2

array2[idx] = 100
array2

1
2

array([[  7, 100, 100],
       [  4,   5, 100]])

• 위의 내용에서 브로드 캐스팅도 가능함

2.8 행렬 데이터의 생성2

1
2

data = np.zeros((2,3))
data

1
2

array([[0., 0., 0.],
       [0., 0., 0.]])

• 영행렬 생성 (np.zeros)

1

data.dtype

1

dtype('float64')

• 기본적으로 생성된 타입은 float64

1
2

data2 = data.astype('int64')
data2.dtype, data2

1
2
3

(dtype('int64'),
 array([[0, 0, 0],
        [0, 0, 0]]))

• astype을 사용하여 int64로 데이터 타입 변경

1
2

data = np.ones((2, 3, 2))
data

1
2
3
4
5
6
7

array([[[1., 1.],
        [1., 1.],
        [1., 1.]],

       [[1., 1.],
        [1., 1.],
        [1., 1.]]])

• np.ones : 모든 값이 1인 행렬을 생성

2.9 arange 생성

1

np.arange(5)

1

array([0, 1, 2, 3, 4])

• 0부터 4까지 배열을 생성

1

np.arange(5, 10)

1

array([5, 6, 7, 8, 9])

• 5부터 0까지 배열을 생성

1

np.arange(5, 10, 2)

1

array([5, 7, 9])

• 5부터 10까지 배열을 만들면서 2씩 건너뜀