[Python] Numpy에 대한 기초 정리와 사용법 정리

Numpy 란?

---

NumPy는 행렬이나 일반적으로 대규모 다차원 배열을 쉽게 처리 할 수 있도록 지원하는 파이썬의 라이브러리 입니다. 또한 NumPy는 데이터 구조 외에도 수치 계산을 위해 효율적으로 구현된 기능을 제공한다. 그 이유는 c 언어로 구성되어 있기 때문에 연산 속도가 빠르다. (컴퓨터 언어에 가깝다.)

 

 

 

Numpy의 특징

---

넘파이의 배열은 모든 원소가 같은 자료형이여야 한다.

resizeing 이 안된다.

 

Numpy 에서는 1차원 배열을 vector 라고 하고 2차원 부터는 행렬 이라고 한다.

-Vector(1차원 - 배열) - pnadas(Series)

-Martrix(2차원 - 행렬) - pandas(DataFrame)

 

또한 선형대수(행렬을 이용한 연산가능)가 가능하다.

 

 

 

Numpy 사용법

---

기본적으로 numpy 를 넣어주고 as 로 약어로 사용하게 끔 한다.

 

이 함수는 해당 배열의 형태를 보기위해 임의로 만들어줬다.

type = 해당 값의 타입

shape = 값의 형태

demension  = 차원

dtype = 데이터 타입

마지막은 데이터를 보기위해 ary를 그대로 넣었다.

 

np.array 로 numpy 타입의 array를 만들어 넣고 해당 상태를 확인해 봤다.

 

 

---

- List vs Array 차이점

리스트에서는 해당 리스트를 곱하게 되면 위와 같이 리스트 자체가 2개로 된다.

 

안에 있는 값에 * 2를 하기 위해서는 위와 같은 방식으로 값을 하나씩 빼와서 넣는 형태나 

 

파이썬 만의 문법은 list comprehension 방식으로 이렇게 값을 넣어줘야 한다.

 

 

하지만 numpy를 이용한다면 위와 같이 간단하게  vector 연산을 진행 할 수 있다.

 

 

또한 numpy는 벡터 연산으로 비교,산술,논리 연산을 포함하는 모든 수학 연산에 적용된다.

 

곱셉 연산도 가능하다.

 

해당 값인 걸 찾는것도 가능하다.

 

 

 

20 이상인 값을 찾는다.

 

이런식의 연산도 가능하다.

 

 

---

# 2차원 배열 생성

- ndarray(N-dimensional Array)

- 2차원, 3차원(다차원 배열 자료구조)

- list of list(2차원)

- list of list of list(3차원)

 

2차워 행렬은 위와 같은 방식으로 만든다. [[] ,[]] 리스트 안에 리스트를 넣어주면 된다.

 

형태를 봐보자.

 

행의 개수와 열의 개수는 위와 같은 방법으로 확인하면 된다. 길이를 보고 행을 보고 해당 리스트의 인덱스로 한 행에 들어있는 값의 개수를 보아 열의 개수를 센다.

 

 

dtype을 이용해서 float 형태로 np 를 만들 수도 있다.

 

---

 

3차원 배열생성

 

리스트의 리스트의 리스트로 3차원 배열을 만들 수 있다. 

 

이 3차원의 dept 열 길이를 보기위해서는 위와같은 방식으로 볼수 있다. 

 

 

 

- 요소의 타입을 변경할 때는 astype() 을 사용한다.

해당 np에 astype으로 타입을 바꿔 줄 수 있다.

 

 

 

 

만약 여기서 3번째 값을 꺼내온다고 했을 때 

 

 

 

이런식으로 파이썬에서 인덱스를 쓰던 방식과 같게 하면 된다.

 

 

-1 번째 값은 마지막 값을 뜻한다.