NumPy란?

NumPy 소개

Numerical Python을 의미하며 파이썬에서 선형대수 기반의 프로그램을 쉽게 만들 수 있도록 지원하는 대표적인 패키지이다. 다차원의 행렬구조인 ndarray를 지원하여 배열을 쉽게 생성하고 다양한 연산을 수행할 수 있다. 

 

 

모듈 임포트

import numpy as np

as np를 사용하여 약어로 듈을 표현해 주는것이 좋음

 

 

array()

array1 = np.array([1,2,3])
print('array1 type : ',type(array1))
print("array1 형태 : ",array1.shape)
#1차원 array로 3개의 데이터를 가지고 있음

array2 = np.array([[1,2,3],
                  [2,3,4]])
print('array2 type : ',type(array2))
print("array2 형태 : ",array2.shape)
#2차원 array로 2개의 로우와 3개의 컬럼으로 이루어짐

array3 = np.array([[1,2,3]])
print('array3 type : ',type(array3))
print("array3 형태 : ",array3.shape)
#1개의 로우와 3개의 컬럼으로 이루어진 2차원데이터임

[1,2,3] -> 1차원 데이터

[[1,2,3]] -> 2차원 데이터

#각 array의 차원 확인
print("array1 : {:0}차원".format(array1.ndim))
print("array2 : {:1}차원".format(array2.ndim))
print("array3 : {:2}차원".format(array3.ndim))

#output
array1 : 1차원
array2 : 2차원
array3 : 2차원

데이터의 건수는 같지만 차원이 다름

#ndarray내에는 서로 같은 데이터 타입만 가능
#리스트는 서로 다른 데이터 타입을 가질 수 있음
#다른 데이터 유형이 섞여 있는 리스트를 ndarray로 변경하면 데이터 크기가 더 큰 데이터 타입으로 형 변환을 일괄 적용

list1 = [1,2,'test']
array1 = np.array(list1)
print(array1,array1.dtype)

list2 = [1,2,3.0]
array2 = np.array(list2)
print(array2,array2.dtype)

#output
['1' '2' 'test'] <U11
[1. 2. 3.] float64

int형이 유니코드 문자열 값으로 변환

int형과 float형이 섞여있는 경우도 float64형으로 변환

 

arange()

sequence_array = np.arange(10)
print(sequence_array)
print(sequence_array.dtype,sequence_array.shape)

arange()는 0부터 함수 인자 값 -1까지의 값을 순차적으로 ndaarry의 데이터값으로 변환

 

zeros()

zero_array = np.zeros((3,2),dtype = 'int32')
print(zero_array)
print(zero_array.dtype,zero_array.shape)

one_array = np.ones((3,2))
print(one_array)
print(one_array.dtype,one_array.shape)

zeros() 함수는 튜플형태의 shape값을 입력하면 모든 값을 0으로 채운 해당 shape을 가진 ndarray로 변환

default는 float64형의 데이터

 

reshape()

array1 = np.arange(10)
print('array1:\n',array1)

array2 = array1.reshape(2,5)
print('array2:\n',array2)

array3 = array1.reshape(5,2)
print('array3:\n',array3)

reshape()는 ndarray를 특정 차원 및 크기로 변환

1차원인 ndarray를 2*5와 5*2로 변환해줌

array1.reshape(4,3)

지정된 사이즈로 변환이 불가능하면 오류 발생

 

array1 = np.arange(10)
print(array1)
array2 = array1.reshape(-1,5)
print('array2 shape:',array2.shape)
array3 = array1.reshape(5,-1)
print('array3.shape:',array3.shape)

#output
[0 1 2 3 4 5 6 7 8 9]
array2 shape: (2, 5)
array3.shape: (5, 2)

reshape()에 -1을 인자로 적용하면 원래 ndarray와 호환하는 새로운 인자로 적용됨

array4 = array1.reshape(-1,4)

10개의 인자를 가진 ndarray는 4개의 로우를 가질 수 없음

#tolist는 리스트자료형으로 변환해줌
array1= np.arange(8)
array3d = array1.reshape((2,2,2))
print('array3d:\n',array3d.tolist())

#3차원 ndarray를 2차원 ndarray로 변환
array5 = array3d.reshape(-1,1)
print('array5:\n',array5.tolist())
print('array5 shape:',array5.shape)

#1차원 ndarray를 2차원으로 변환
array6 = array1.reshape(-1,1)
print('array6:\n',array6.tolist())
print('array6 shape:',array6.shape)

reshape(-1,1)은 원본 ndarray가 어떤 형태이더라도 2차원이고, 여러 로우를 가지되 반드시 1개의 칼럼을 가진 ndarray로 변환됨