[파이썬 기본 라이브러리]1. Numpy

* 이 글은 네이버 부스트 코스의 인공지능(AI) 기초 다지기 강의를 수강하며 정리한 글입니다.

 

0. numpy란?

파이썬의 고성능 과학 계산용 패키지

일반 리스트에 비해 빠르고, 메모리 효율적

 

1. numpy의 기본적 단위

ndarray

 

2. ndarray creation

• array

import numpy as np
np.array(리스트, 타입)

Dynamic typing not supported

* python의 가장 큰 특징중 하나인 dynamic typing(실행될 때 데이터 type을 인식하므로 다양한 데이터 타입을 지원)을 지원하지 않고, 하나의 데이터 type만 배열에 넣을 수 있다.

• arrange

np.arange(start, end, step)
or
np.arange(범위)

reshape와 함께 사용할 수 있다.

• zeros : 0으로 가득찬 ndarray 생성

np.zeros(shape, dtype, order)

• ones : 1로 가득찬 ndarray 생성

np.ones(shape, dtype, order)

• empty : shape만 주어지고 비어있는 ndarray 생성(초기화 되지 않고 쓰레기값이 삽입)

np.empty(shape, dtype)

• something_like : 기존 ndarray의 shape 크기 만큼 0, 1, 또는 빈 array 반환
  • zeros_like
  • ones_like
  • empty_like

np.somethings_like(ndarray)

• identity : 단위 행렬을 생성

np.identity(n=숫자, dtype)
or
np.identity(N=row숫자, M=col숫자, dtype)

• eye : 대각선이 1인 행렬을 생성

np.eye(N=row숫자, M=col숫자, dtype, k=대각선시작index)

• ramdom sampling : 데이터 분포에 따른 sampling으로 array를 생성
  • 균등분포
  • 정규분포

#균등분포
np.random.uniform(start, end, 갯수)

#정규분포
np.random.normal(start, end, 갯수)

 

- ndarray 기본정보

• axis : 축 (새로 생기는 축에 0 값 부여)

Depth : axis=0, Row : axis=1, Col : axis=2

• dtype : 배열 전체의 데이터 Type을 반환
• shape : 배열의 dimension 구성을 반환
  
  • vector (b, )
  • matrix (a, b)
  • 3rd order tensor (depth, row, col)
• ndim : number of dimension
• size : 전체 크기
• nbytes : 메모리의 크기를 반환

 

3.  shape handling

데이터의 개수는 유지하되, 형태만 바꾸는 것

• reshape : 데이터의 개수는 유지하되, 형태만 바꿔줌
  • -1이 값으로 들어갈 경우 다른 값을 기반으로 해당 속성을 채워줌
• flatten : 다차원 array를 일차원 array로 변화시켜줌

 

4.  값 일부 추출하기

• Indexing

ndarray[row, col]
or
ndarray[row][col]

• Slicing : 행과 열 부분을 나눠서 슬라이싱을 할 수 있음

ndarray[row_slicing, col_slicing]

slicing의 경우 [start:end:step] 형태로 표시

• diag : 대각 행렬의 값을 추출

np.diag(ndarray, k=start_index)

 

5. 함수연산

• sum : 원소들의 합을 구하는 함수

ndarray.sum(dtype=데이터타입)

• mean : 원소들의 평균을 구하는 함수
• std : 원소들의 표준편차를 구하는 함수
• 그 외의 다양한 수학 연산자를 제공 (exponential, trigonometric, hyperbolic 등)
• 병합 : ndarray를 합치는 함수
  • vstack : row 기준 병합
  • hstack : col 기준 병합
  • concatenate

np.vstack((ndarray1, ndarray2))
or
np.hstack((ndarray1, ndarray2))
or
np.concatenate((ndarray1, ndarray2), axis=숫자)

 

6. 기본연산

• transpose : 전치행렬
• broadcasting : shape이 다른 배열 간 연산을 지원하는 기능
  • matrix X scalar(숫자)
  • matrix X vector

broadcasting이 일어나는 예시

• 사칙연산 : 같은 위치에 있는 값들끼리 연산
  • +, -, *
• dot : 행렬곱 연산

ndarray1.dot(ndarray2)

 

7. 비교연산

• all : and 연산과 동일

np.all(비교연산)

• any : or 연산과 동일

np.any(비교연산)

• ndarray간 비교연산 : 각 element간 비교의 결과를 반환

ndarray1 비교연산 ndarray2

• logical_and
• logical_not : boolean을 반대로 반환
• logical_or
• np.where : 반환값을 지정하지 않으면 인덱스값이 반환됨

np.where(조건, True일 경우 반환값, False일 경우 반환값)

• isnan : nan 값인지 boolean으로 반환
• isfinite : 유한한 수인지 boolean으로 반환
• argmax : 최대값의 인덱스를 반환 (axis를 지정할 수 있음)
• argmin : 최소값의 인덱스를 반환 (axis를 지정할 수 있음)

 

8. boolean / fancy index

• Boolean Index : 특정 조건에 따른 값을 배열 형태로 추출

ndarray[조건]
or
ndarray[boolean_list]#boolean list는 조건에 의해 산출된 배열

• Fancy Index : index value를 사용해 값을 추출하는 방법 (그냥 인덱스랑 비슷)

ndarray1[index_ndarray]
or
ndarray1.take(index_ndarray)

 

9. 데이터 입출력

numpy object(pickle) 형태로 데이터를 저장하고 불러옴

Binary 파일 형태로 저장

• 불러오기

np.load(file="파일이름.npy")

• 저장하기

np.save("파일이름", arr=ndarray이름)