넘파이(NumPy)

넘파이(NumPy)

axis0 == column(열), axis1==row(행)

• axis: 배열의 각 축
• rank: 축의 개수
• shape: 축의 길이, 배열의 크기

배열 만들기

• np.array() 함수를 사용해서 배열을 만듭니다.
• 대부분 리스트로부터 배열을 만들거나, 머신러닝 관련 함수 결과값이 배열이 됩니다.

차원 확인

- ndim 속성으로 배열 차원을 확인

ex) data.ndim

 

# 배열 만들기
arr = np.array([10, 11, 12, 13, 14, 15])

# 확인
print(arr)

# 정보 확인
print(arr.ndim)
print(arr.shape)
print(arr.dtype)

 

Reshape

• 배열을 사용할 때 다양한 형태(Shape)로 변환할 필요가 있음
• 배열에 포함된 요소가 사라지지 않는 형태라면 자유롭게 변환할 수 있음
• (3, 4) → (2, 6) → (4, 3) → (12, 1) → (6, 2) 등등 요소 개수만 변하지 않으면 됨
• reshape(m, -1) 형태로 지정하여 Reshape 가능

 

인덱싱

a[[0], [1]]는 배열에서 0번째 행과 1번째 열에 해당하는 값

 

 

배열연산

 

더하기 

# 배열 더하기
print(x + y)

# 또는
print(np.add(x, y))

 

빼기

# 배열 빼기
print(x - y)

# 또는
print(np.subtract(x, y))

 

나누기

# 배열 나누기
print(x / y)

# 또는
print(np.divide(x, y))

 

곱하기

# 배열 곱하기
print(x * y)

# 또는
print(np.multiply(x, y))

 

지수연산

# 배열 y 제곱
print(x ** y)

# 또는
print(np.power(x, y))

 

 

배열집계

• np.sum(), 혹은 array.sum()
  • axis = 0 : 열 기준 집계
  • axis = 1 : 행 기준 집계
  • 생략하면 : 전체 집계
• 동일한 형태로 사용 가능한 함수 : np.max(), np.min, np.mean(), np.std()

a = np.array([[1,5,7],[2,3,8]])
print(a)

# 전체 집계
print(np.sum(a))

# 열기준 집계
print(np.sum(a, axis = 0))

# 행기준 집계
print(np.sum(a, axis = 1))

 

그 외의 함수 

 

 

- np.where(조건문, true일때 값, false일때 값)

# 선언
a = np.array([1,3,2,7])

# 조건
np.where(a > 2, 1, 0)

결과값

array([0, 1, 0, 1])

 

  np_arr.mean() 객체 지향적인 접근
- NumPy 배열 객체인 `np_arr`의 메서드를 호출하는 방식
- NumPy 배열 객체는 자체적으로 평균을 계산하는 `mean()` 메서드를 가지고 있으므로, 객체 자체에서 바로 평균을 계산할 수 있음

import numpy as np
np_arr = np.array([1, 2, 3, 4, 5])
print(np_arr.mean())  # 출력: 3.0

np.mean(np_arr) 함수 지향적인 접근
- NumPy 모듈의 함수인 `mean()`을 사용하는 방식
- NumPy 모듈에서 제공하는 함수에 배열 `np_arr`을 인자로 전달하여 평균을 계산합니다.

import numpy as np
np_arr = np.array([1, 2, 3, 4, 5])
print(np.mean(np_arr))  # 출력: 3.0