Numpy의 개요와 생성

안녕하세요! 성지코딩입니다.

블로그 개시 후 첫 글입니다. 이 글이 성지가 될 수 있을지는 3년뒤에 확인해보겠습니다. :)

제 글들은 누군가의 강의에 주 목적을 둔다긴 보다는 설명하는 어투로 쓰면서 제 공부를 하는 것이 주 목적입니다.

평소 누군가를 가르치며 저 또한 학습이 되었던 경험이 많았기 때문에 이러한 방법을 택했습니다.

제 첫 게시글은 Numpy의 개요에 대해 알아보도록 합니다.

사진 출처: numpy 공식사이트, numpy.org

 Numpy란?

---

Numpy는 Numeric(숫자) Python의 준 말로, Python을 사용한 과학 컴퓨팅의 기본 패키지입니다.

제목에서 알 수 있듯 여러 숫자들을 처리하는데 사용되는 패키지입니다.

Python을 사용하는 프로그래머라면 절대 빠질 수 없는 패키지 이기 때문에 필수적으로 알아두셔야합니다.

나중에 배워볼 Pandas 패키지도 Numpy 기반으로 제작되었습니다. Numpy를 미리 아신 후에 Pandas를 공부하면 큰 도움이 됩니다.

Numpy의 특징

---

Numpy는 다음과 같은 특징이 있습니다.

1. 오픈소스
2. 손쉬운 사용
3. 최적화된 성능
4. 수치 계산 도구
5. 광범위한 하드웨어 및 컴퓨팅 플랫폼 지원
6. 강력한 N차원 배열을 지원(Numpy ndarray) (nd: n-dimention / array)
   • 강력한 N차원 배열을 지원한다는 것은 일반 리스트로 다 차원을 표현한 것에 비해 훨씬 더 쉽고 효율적으로 처리할 수 있음을 의미합니다. 추후 게시글들을 보다 보면 느낄 수 있습니다.
7. 종합적인 수학 함수, 난수 생성기, 선형 대수 루틴, 푸리에 변환 등 제공

Array 생성

---

• Numpy에서 Array를 만들기 위한 방법은 크게 다음과 같습니다.
  • 다른 Python 자료 구조(list, tuple)로 부터의 변환
    • array 함수 이용
  • Numpy Array 생성 함수 이용
    • arange, ones, linspace 함수 이용

array 함수를 이용한 방법

---

1차원 배열 생성

import numpy as np
np.array([1, 2, 3, 4])

출력 결과:
array([1, 2, 3, 4])

2차원 배열 생성

import numpy as np
np.array([[1, 2, 3],
          [4, 5, 6],
          [7, 8, 9]])

출력 결과:
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])

3차원 배열 생성

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

출력 결과:
array([[[0, 1, 2, 3],
[5, 6, 7, 8],
[9, 10, 11, 12]]])

다른 함수를 이용한 방법 (arange, linspace, ones 등)

---

arange 함수를 이용한 배열 생성

Numpy의 arange함수는 수의 범위를 만들어 주는 함수로 range함수와는 다르게 실수 범위도 생성 가능 (range함수는 정수의 범위를 생성합니다.)

print(np.arange(10))
print(np.arange(0.1, 1.1, 0.1))

---

출력 결과:
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
array([0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.])

---

주의사항: for문을 배우면서 잘 아시겠지만range나 arange함수의 두 번째 인자값은 범위에 포함시키지 않습니다! 실수형도 포함입니다!

linspace 함수를 이용한 배열 생성

Numpy의 linspace 함수는 수의 범위를 균일하게 나누고자 할 때 사용합니다.
np.linspace(<시작>, <끝>, <범위를 나눌 수>)
주의사항: linspace 의 끝은 포함을 시킵니다! 아래 예시의 결과출력을 참고해주세요

ex) 1에서 10까지 3개 구간으로 나누고 싶을 때 구간 값

np.linspace(1, 10, 3)

---

출력 결과:
array([1., 5.5, 10.])

---

주의사항: linspace(1, 10, 3) / range(1, 10, 3)과는 엄연히 다릅니다! 출력 결과를 참고해주세요, 또한 1. 혹은 10.과 같이 표기되는 것은 각각 1.0, 10.0과 동일합니다.

기타 함수를 이용한 배열 생성 (ones, full, zeros, eye)

np.ones((x, y)) : x by y 사이즈의 1(ones)로 채워진 행렬을 생성합니다.
np.full((x, y), n) : x by y 사이즈의 n값으로 채워진 행렬을 생성합니다.
np.zeros((x, y)) : x by y 사이즈의 0(zeros)으로 채워진 행렬을 생성합니다.
np.eye(x) : x by x 사이즈의 단위행렬을 생성합니다.

print(np.ones((2, 2)), '\n')      # 2 by 2 크기의 행렬을 1로 채움
print(np.full((2, 2), -1), '\n')  # 2 by 2 크기의 행렬을 -1로 채움 (full의 두 번째 인자 값으로 채움)
print(np.zeros((2, 2), '\n')      # 2 by 2 크기의 행렬을 0으로 채움
print(np.eye(2), '\n')           # 2 by 2 크기의 단위행렬을 생성 

---

출력 결과:
array([[1., 1.],
[1., 1.]])

array([[-1, -1],
[-1, -1]])

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

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

---

오늘은 Numpy의 간단한 개요와 생성 방식에 대해 알아보았습니다. 다음 Numpy 게시글은 Numpy데이터의 속성과 유형 변경에 대해 알아봅니다! 첫 포스팅을 마무리 지었네요.

 

마크다운으로 편집하니 가독성이 썩 좋지 않네요, 글쓰기에 팁이 있다면 댓글로 알려주시면 빠르게 발전하겠습니다 ㅎㅎ

감사합니다.

-SJKoding-