NumPy 사용

NumPy 배열

• 차원(Dimension)을 축(axis)이라고 표현한다.

배열 속성값

• shape : 배열의 각 축(axis)의 크기
• ndim : 축의 개수(Dimension)
• dtype : 각 요소(Element)의 타입
• itemsize : 각 요소(Element)의 타입의 bytes 크기
• size : 전체 요소(Element)의 개수

배열 생성

• np.array 이용 : 튜플이나 List 입력

  print(np.array([2,3,4]))
  [2 3 4]

• np.zeros(shape) : 0 으로 구성된 N 차원 배열 생성

  print(np.zeros((3,4)))
  [[0. 0. 0. 0.]
   [0. 0. 0. 0.]
   [0. 0. 0. 0.]]

• np.ones(shape) : 1로 구성된 N차원 배열 생성

  print(np.ones((2,3,4)))
  [[[1. 1. 1. 1.]
    [1. 1. 1. 1.]
    [1. 1. 1. 1.]]
   [[1. 1. 1. 1.]
    [1. 1. 1. 1.]
    [1. 1. 1. 1.]]]

• np.empty(shape) : 초기화 되지 않은 N차원 배열 생성

  print(np.empty((2,3)))
  [[2.45757343e-316 0.00000000e+000 0.00000000e+000]
   [0.00000000e+000 0.00000000e+000 0.00000000e+000]]

• np.arange(start, stop, step): N 만큼 차이나는 숫자 생성, stop 은 포함되지 않는다

  print(np.arange(0, 10, 2))
  [0 2 4 6 8]

• np.linspace(start, stop, num): N 등분한 숫자 생성, 처음, stop 포함됨.

  print(np.linspace(0,99, 100))
  [ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16. 17.
   18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35.
   36. 37. 38. 39. 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53.
   54. 55. 56. 57. 58. 59. 60. 61. 62. 63. 64. 65. 66. 67. 68. 69. 70. 71.
   72. 73. 74. 75. 76. 77. 78. 79. 80. 81. 82. 83. 84. 85. 86. 87. 88. 89.
   90. 91. 92. 93. 94. 95. 96. 97. 98. 99.]

기본 연산

• "*" : 각각의 원소끼리 곱셈

• @ : 행렬 곱셈

  A = np.array( [[1,1], [0,1]] )
  B = np.array( [[2,0], [3,4]] )
  print(A)
  print(B)
  ---------------
  [[1 1]
   [0 1]]
  [[2 0]
   [3 4]]
  
  print(A*B)
  print(A@B)
  ---------------
  [[2 0]
   [0 4]]
  [[5 4]
   [3 4]]

• 집계함수

  • sum

  • min

  • max

  • argmax : 최대값 인덱스

  • cumsum : 누적합

  • axis 값을 매개변수로 입력하면 축을 기준으로 연산이 가능하다.

    • axis=0 (열기준)

    • axis=1 (행기준)

      b = np.arange(12).reshape(3, 4)
      [[ 0  1  2  3]
       [ 4  5  6  7]
       [ 8  9 10 11]]
      
       print(b.sum(axis=0))
       [12 15 18 21]
       print(b.sum(axis=1))
       [ 6 22 38]

• 인덱싱, 슬라이싱

  • 배열 자체를 가지고 인덱싱이 가능 하다. 배열의 인덱스 값으로 배열 자체가 들어갈 수도 있다.

    a = np.arange(12).reshape(3,4)
    print(a)
    [[ 0  1  2  3]
     [ 4  5  6  7]
     [ 8  9 10 11]]
    
    b=a>4
    print(b)
    [[False False False False]
     [False  True  True  True]
     [ True  True  True  True]]
    
    print(a[b])
    a[b].shape 
    [ 5  6  7  8  9 10 11]
    (7,)
    
    a[b]=0
    print(a)
    [[0 1 2 3]
     [4 0 0 0]
     [0 0 0 0]]

• 크기 변경

  • revel : 1차원으로 변경
  • reshape : 지정한 차원으로 변경
  • T : 전치 변환

  a = np.arange(12).reshape(3,4)
  print(a)
  print(a.shape)
  
  [[ 0  1  2  3]
   [ 4  5  6  7]
   [ 8  9 10 11]]
  (3, 4)
  
  print(a.ravel())   # a.reshape(-1)
  [ 0  1  2  3  4  5  6  7  8  9 10 11]
  
  print(a.T)
  [[ 0  4  8]
   [ 1  5  9]
   [ 2  6 10]
   [ 3  7 11]]

• 데이터 합치기

  • vstack (열기준), hstack(행기준)

    a = np.array([1, 2, 3, 4]).reshape(2, 2)
    print(a)
    [[1 2]
     [3 4]]
    
    b = np.array([5, 6, 7, 8]).reshape(2, 2)
    print(b)
    [[5 6]
     [7 8]]
    
    print(np.vstack((a,b)))
    [[1 2]
     [3 4]
     [5 6]
     [7 8]]
    
    print(np.hstack((a,b)))
    [[1 2 5 6]
     [3 4 7 8]]

  • hsplit

    • 숫자 1개일경우 숫자기준으로 X개 등분

    • 리스트 넣을 경우 인덱스 기준 분할 (start, end) 일경우 end 는 포함되지 않음

      [[ 0  1  2  3  4  5]
       [ 6  7  8  9 10 11]]
      
      np.hsplit(a, 3)
      [array([[0,1],[6,7]]), 
       array([[2,3],[8,9]]), 
       array([[4,5],[10,11]])]
      
      np.hsplit(a, (3,4))
      [array([[0, 1, 2],[6, 7, 8]]), 
       array([[3],[9]]), 
       array([[ 4,  5],[10, 11]])]