[Numpy] Numpy 기능
Y
Yerim
Basic ML/DL
카테고리
- Numpy
Numpy 배열
•
ndarray (N-dimensional array) → n차원까지 제공
•
하나의 배열 속 값들은 모두 동일한 자료형
•
1 차원: 실수 / 2 차원: Boolean / 3 차원: 정수
•
축의 개수 (n차원 → n개), 축은 0부터 시작
•
첫 괄호의 개수 = 차원의 개수
배열 속성 확인 및 변경
ndarray.dtype # 데이터의 자료형 확인
>> float64
ndarray.ndim # 데이터의 차원 확인
>> 3
ndarray.shape # 데이터의 축(axis)별 크기 확인)
>> (2, 4, 3)
ndarray.size # 데이터의 전체 요소 개수 확인
>> 24
# 데이터의 자료형 변경
array.astype('int64')# 형태 변환
np.arange(0, 6)
>> arrray ([0, 1, 2, 3, 4, 5])
# 지정한 shape으로 형태 변환 (shape)
np.arange(6).reshape(3, 2)
>> array([[0, 1],
[2, 3],
[4, 5]])
# 1차원으로 형태 변환
np.arange(6).reshape(3, 2).ravel()
>> array([0, 1, 2, 3, 4, 5])
# 전치 (Transpose) 변환
np.arange(6).reshpae(3, 2).T
>> array([[0, 2, 4],
[1, 3, 5]])배열 생성
•
유형 1: Python의 list혹은 tuple을 ndarray로 바꾸기
np.array([1, 2, 3, 4, 5]) # Python의 list나 tuple을 numpy 배열로 만듦
>> array([1, 2, 3, 4 ,5 ])•
유형 2: 모두 같은 원소로 이우러진 ndarray 생성
np.zeros((2, 3)) # 모든 워소가 0인 배열 생성 (shape, dtype)
>> array([[0., 0., 0.],
[0., 0., 0.]])
np.ones((2, 3)) # 모든 원소가 1인 배열 생성 (shape, dtype)
>> array([[1., 1., 1.],
[1., 1., 1.]])
np.full((2, 3), 5) # 모든 원소가 n인 배열 생성 (shape, n)
>> array([[5, 5, 5],
[5, 5, 5]])•
유형 3. 연속적인 원소로 이루어진 ndarray 생성
np.arange(1, 9, 2) # start 이상 stop 미만 간격이 step인 배열 생성 (start, stop, step)
>> array([1, 3, 5, 7])
np.linspace(1, 9, 5) # start 이상 stop 이하 n등분하여 배열 생성 (start, stop, n)
>> array([1., 3., 5., 7., 9.])•
유형 4: random모듈, 주어진 배열 존재
data = np.array([1, 2, 3, 4, 5])
#주어진 배열에서 임의로 원소 선택하여 배열 생성 (data, shape)
np.random.choice(data, (2, 3))
>> array([[5, 5, 2],
[2, 4, 2]])
#주어진 배열의 순서 임의로 변경 (data)
np.random.shuffle(data)
data
>> array([5, 1, 4, 3, 2])•
유형 5: random모듈, 주어진 배열 존재 X
# [0, 1)에서 각 구간의 난수 수가 균등분포 따르도록 샘플링 (data)
np.random.rand(2, 3)
>> array([[0.15587761, 0.02523678, 0.55856038],
[0.37309179, 0.38754009, 0.80666399]])
# 난수가 표준정규분포를 따르도록 샘플링 (data)
np.random.randn(2, 3)
>> array([[0.48001543, 0.95958113, 0.07930882],
[0.41110413, 0.1820168 , 0.31100255]])
# start 이상 stop 미만인 정수 샘플링 (start, stop, shape)
np.random.randint(1, 10, (2, 3))
>> array([[2, 5, 5],
[1, 7, 7]])배열 연산
•
사칙 연산: numpy는 같은 위치에 있는 원소끼리 연산
◦
array1 - array2: 같은 위치에 있는 원소끼리 덧셈
◦
array1 + array2: 같은 위치에 있는 원소끼리 뺼셈
◦
array1 * array2: 같은 위치에 있는 원소끼리 곱셈
◦
array1 / array2: 같은 위치에 있는 원소끼리 나눗셈
•
행렬의 곱
◦
앞 행렬의 열 개수 = 뒤 행렬의 행 개수
◦
array @ array2
# 위 사진 모양의 'arr1'과 'arr2' 배열 생성
arr1 = np.array([[1, 2, 5, 4],
[4, 3, 1, 3]])
print(arr1)
arr2 = np.arange(1, 9).reshape(2, 4)
print()
# arr1과 arr2 더하기
arr1 + arr2
# arr1과 arr2 빼기
arr1 - arr2
# arr1과 arr2 곱하기
arr1 * arr2
# arr1과 arr2 나누기
arr1 / arr2
# arr1과 arr2.T 행렬의 곱 수행
arr2 = arr2.T
arr1 @ arr2
# arr1과 arr2.T 행렬의 곱 수행
np.dot(arr1, arr2)•
Numpy 집계 함수
함수 | 설명 |
np.sum(array) | 전체 원소의 합을 계산 |
np.mean(array) | 전체 원소의 평균을 계산 |
np.std(array), np.var(array) | 전체 원소의 표준편차, 분산을 계산 |
np.min(array), np.max(array) | 전체 원소의 최솟값, 최댓값 반환 |
np.argmin(array), np.argmax(array) | 전체 원소의 최솟값, 최댓값이 위치한 인덱스 반환 |
np.cumsum(array) | 첫 원소부터 끝 원소까지의 누적합 반환 |
np.sumprod(array) | 첫 원소부터 끝 원소까지의 누적곱 반환 |
브도르캐스팅
다른 형태의 배열도 연산할 수 있도록 배열의 형태를 변환하는 것 (단, 아래 3가지 경우에만 가능)
•
(경우1) 하나의 배열이 원소 1개로 이루어진 배열인 경우
# 경우1: 하나의 배열이 원소 1개로 이루어진 배열인 경우
arr1 = np.array([[0, 0, 0], [1, 1, 1], [2, 2, 2]])
arr2 = np.array([1])
arr1 + arr2•
(경우2) 하나의 배열이 1차원인 경우
# 경우2: 하나의 배열이 1차원인 경우
arr1 = np.array([[0, 0, 0], [1, 1, 1], [2, 2, 2]])
arr2 = np.array([1, 2, 3])
arr1 + arr2
arr1 = np.array([0, 1, 2]).reshape(3, 1)
arr2 = np.array([1, 2, 3])
arr1 + arr2인덱싱과 슬라이싱
•
인덱스: 여러 원소를 가지고 있는 객체(리스트, 튜플, 배열 등)에 부여되는 번호
•
슬라이싱: 여러 원소를 가지고 있는 객체의 일부를 추출하는 것
•
파이썬의 List와 동일하게 ndarray도 인덱싱과 슬라이싱 사용 가능
Indexing (인덱싱)
# 1부터 10까지 수 중 랜덤하게 6개의 수가 추출된 'arr1'이라는 배열
# shape: 3X2인 2차원 배열
arr1 = np.random.randint(1, 11, (3, 2))
arr1
# 1행 출력
arr1[0]
# 2행 1열의 원소 출력
arr1[1][0]
arr1[1, 0]Slicing (슬라이싱)
•
1차원 배열
# 10부터 19까지 연속적인 수로 이루어진 'arr2'라는 배열
# shape: 1차원 배열
arr2 = np.arange(10, 20)
arr2
# index가 4부터 6까지인 원소 출력
arr2[4:7]
# index가 6 이상인 원소 출력
arr2[6:]
# index가 6 이상인 원소를 모두 20으로 바꾸기
arr2[6:] = 20
arr2•
다차원 배열
# 1부터 9까지 연속적인 수로 이루어진 'arr3'라는 배열
# shape: 3X3인 2차원 배열
arr3 = np.arange(1, 10).reshape(3, 3)
arr3
# 2, 3, 5, 6으로 구성된 2차원 배열 출력
arr3[:2, 1:]
# 1행과 2행 출력
arr3[:2]
# 2열 출력
arr3[:,1]
# 2, 3, 5, 6을 모두 결측치로 바꾸기
# 결측치: 데이터에 값이 없는 것 (NaN, null, None)
# 결측치 != 0, False
arr3[:2, 1:] = np.nan
arr3
# numpy에서 자료형이 float일 때만 결측치 삽입 가능
arr3 = arr3.astype('float')
arr3[:2, 1:] = np.nan
arr3마스킹 연산 (boolean 인덱싱)
조건에 부합하는 데이터만 추출하는 방법
# 난수가 표준정규분포 따르는 'arr4'라는 배열 생성
# shape: 5X5인 2차원 배열
arr4 = np.random.randn(5, 5)
arr4
# arr4 안의 원소가 양수이면 True, 음수이면 False 출력
arr4 > 0
# arr4 안의 원소가 음수면 0 삽입
arr4[arr4 < 0] = 0
arr4
Subscribe to 'Yerim-DevNote'
Subscribe to my site to be the first to receive notifications and emails about the latest updates, including new posts.
Join Slashpage and subscribe to 'Yerim-DevNote'!
Join Slashpage and subscribe to 'Yerim-DevNote'!
