# [Numpy] Numpy 기능 ## Numpy 배열 --- - ndarray (N-dimensional array) → n차원까지 제공 - 하나의 배열 속 값들은 모두 동일한 자료형 ![Image](https://upload.cafenono.com/image/slashpagePost/20250201/152130_n3woBAS4mcDyvJJaFH?q=80&s=1280x180&t=outside&f=webp) - 1 차원: 실수 / 2 차원: Boolean / 3 차원: 정수 - 축의 개수 (n차원 → n개), 축은 0부터 시작 ![Image](https://upload.cafenono.com/image/slashpagePost/20250201/152138_ArFZpIOH8SHxKchJRk?q=80&s=1280x180&t=outside&f=webp) - 첫 괄호의 개수 = 차원의 개수 ## 배열 속성 확인 및 변경 --- ![Image](https://upload.cafenono.com/image/slashpagePost/20250201/152157_ZPXSICSooDum9QpixS?q=80&s=1280x180&t=outside&f=webp) ```javascript 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 ``` ![Image](https://upload.cafenono.com/image/slashpagePost/20250201/152213_u9WrSAbOktpYL8tN2c?q=80&s=1280x180&t=outside&f=webp) ```javascript # 데이터의 자료형 변경 array.astype('int64') ``` ```javascript # 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 ```javascript 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 ```javascript 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 ```javascript 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 ```javascript 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 ```javascript # [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 ![Image](https://upload.cafenono.com/image/slashpagePost/20250201/152241_TlbHZHq6SQfCcOIY06?q=80&s=1280x180&t=outside&f=webp) - 행렬의 곱 - 앞 행렬의 열 개수 = 뒤 행렬의 행 개수 - array @ array2 ![Image](https://upload.cafenono.com/image/slashpagePost/20250201/152259_0a9C3t0sWkvb2OrTuE?q=80&s=1280x180&t=outside&f=webp) ```javascript # 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 ![Image](https://upload.cafenono.com/image/slashpagePost/20250201/152358_DCgFyOBxwIqK3jx58N?q=80&s=1280x180&t=outside&f=webp) ```javascript # 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 ![Image](https://upload.cafenono.com/image/slashpagePost/20250201/152406_ba7uHBuSpYdtxaPGCy?q=80&s=1280x180&t=outside&f=webp) ```javascript # 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 ``` ![Image](https://upload.cafenono.com/image/slashpagePost/20250201/152417_twx2touXtw7TfThQEV?q=80&s=1280x180&t=outside&f=webp) ```javascript arr1 = np.array([0, 1, 2]).reshape(3, 1) arr2 = np.array([1, 2, 3]) arr1 + arr2 ``` ## 인덱싱과 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) ```javascript # 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 ```javascript # 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 ```javascript # 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 arr3 ``` ### 마스킹 연산 (boolean 인덱싱) 조건에 부합하는 데이터만 추출하는 방법 ```javascript # 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 ``` For the site tree, see the [root Markdown](https://slashpage.com/yerim-devnote.md).