Python | Numpy 기본 사용법

728x90

 

 

Numpy¶

---

Numpy 는 Numerical python 의 줄임말로, 수학적 계산을 간단하게 만들어줄 수 있는 패키지로 주로 과학계산용, 데이터 분석에서 많이 사용된다.

In [7]:

# 넘파이 설치
# $ pip install numpy



# ndarray 만들기
# 넘파이 사용을 위한 넘파이 패키지 가져오기
import numpy as np

# 다양한 array 의 형태

A = np.arange(5)
B = np.array([0, 1, 2, 3, 4])

# 문자열 array
# array 는 모든 요소의 타입이 동일해야한다.
# 또한  str 을 int 로 바꿀순 없지만 반대는 가능하다.
# 따라서 모든 숫자를 문자로 바꿔버림, 요소의 형태에 주의할 것.
C = np.array([0, 1, 2, 3, '4'])
D = np.ndarray((5), np.int64, np.array([0, 1, 2, 3, 4]))

print(A)
print(type(A))
print("-"*50)

print(B)
print(type(B))
print("-"*50)

print(C)
print(type(C))
print("-"*50)

print(D)
print(type(D))
print("-"*50)

 

[0 1 2 3 4]
<class 'numpy.ndarray'>
--------------------------------------------------
[0 1 2 3 4]
<class 'numpy.ndarray'>
--------------------------------------------------
['0' '1' '2' '3' '4']
<class 'numpy.ndarray'>
--------------------------------------------------
[0 1 2 3 4]
<class 'numpy.ndarray'>
--------------------------------------------------

In [13]:

# 어레이의 크기 살펴보기
# 3가지의 크기가 있다.
# 1. size : 각 행렬의 원소 개수
# 2. shape : 행렬의 모양 (몇 행 몇 열)
# 3. ndim : 행렬의 축의 개수 (aixs 의 개수)


# 10개의 요소를 가진 어레이를, 2행 5열의 모양으로 변경
# 요소의 개수의 범위를 벗어난 모양으로 변경 불가능
# 예를들면, 10개의 요소로 3행 3열의 모양으로 변경 불가능
A = np.arange(10).reshape(2,5)

print(A.shape)

# 2행이으로 2개의 축을 가지고 있다.
print(A.ndim)

print(A.size)
print("-"*50)



# 특수행렬
# 넘파이는 수학적 행렬을 함수로 제공하는데
# 1. 단위행렬
# 2. 0행렬
# 3. 1행렬
# 위 3가지의 행렬을 제공하고 있다.


# 1행렬 : 인자가 모두 1인 행렬
print(np.ones([3, 3]))
print("-"*50)

# 0행렬 : 인자가 모두 0인 행렬
print(np.zeros([2, 3]))
print("-"*50)

# 단위행렬 : 행랼의 대각선 인자는 1, 나머지 인자는 0 인 행렬
print(np.eye(3))

 

(2, 5)
2
10
--------------------------------------------------
[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]
--------------------------------------------------
[[0. 0. 0.]
 [0. 0. 0.]]
--------------------------------------------------
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

In [21]:

# 브로드캐스트
# 행렬과 상수의 연산은 행렬의 모든 요소에 연산이 적용되는데 
# 이를 수행할 수 있는 기능이다. 행렬간 연산 역시 가능하다.

A = np.arange(9).reshape(3, 3)
print(A)
print("-"*50)

B = A * 2
print(B)
print("-"*50)

C = A + 2
print(C)
print("-"*50)

D = np.array([1, 2, 3])
E = A + D
print(E)
print("-"*50)



# 리스트의 인덱싱과 슬라이싱도 가능하다.

 

[[0 1 2]
 [3 4 5]
 [6 7 8]]
--------------------------------------------------
[[ 0  2  4]
 [ 6  8 10]
 [12 14 16]]
--------------------------------------------------
[[ 2  3  4]
 [ 5  6  7]
 [ 8  9 10]]
--------------------------------------------------
[[ 1  3  5]
 [ 4  6  8]
 [ 7  9 11]]
--------------------------------------------------

In [28]:

# random 패키지
# 넘파이는 다양한 의사 난수를 지원

# np.random.random() : 0~1 사이의 실수형 난수 하나 생성
# np.random.randint() : 지정된 범위 사이의 정수형 난수 하나 생성
# np.random.choice() : 지정된 어레이에서 하나를 랜덤으로 추출
# np.random.permutation() : 지정된 범위, 어레이에서 원소의 순서를 무작위 변경
# np.random.normal() : 정규 분포를 따르는 변수를 임의로 표본추출 해줌
#  - np.random.normal(loc = 평균, scale = 표준편차, size = 추출개수) 의 서식으로 사용
# np.random.uniform() : 균등분포를 따르는 변수를 임의로 표본추출 해줌
#  - np.random.uniform(low = 최소, high = 최대, size = 추출개수) 의 서식으로 사용

print(np.random.random())
print(np.random.randint(0, 10))
print(np.random.choice([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))
print(np.random.permutation(10))
print(np.random.permutation([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]))
print(np.random.normal(loc = 0, scale = 1, size = 5))
print(np.random.uniform(low = -1, high = 1, size = 5))

 

0.3059263574746567
6
5
[7 1 3 8 4 6 9 2 5 0]
[3 2 8 7 0 5 4 6 9 1]
[-0.27845241  0.81957716  0.36789978  0.80582739  0.5235674 ]
[ 0.10783475 -0.48270124 -0.31421939  0.35364428  0.31922675]

In [34]:

# 전치행렬 : 행렬의 행과 열을 바꾼 행렬로, 행렬의 축을 서로 바꾸기 등에 사용

# 1. arr.T
# 2. np.transpose


# arr.T : 전치행렬로 바꾸고자하는 행렬.T 의 서식으로 사용

# 24를 요소로 갖는 2개의 3행 4열 어레이 생성
A = np.arange(24).reshape(2, 3, 4)
print(A)     
print("-"*50)

# 4개의 3행 2열을 갖는 어레이로 전치
print(A.T)   
print("-"*50)
print(A.T.shape) 
print("-"*50)



# np.transpose

# 행렬의 축을 기준으로 어떻게 변환해 줄지 임의로 지정 
# np.transpose(A, (2,1,0)) 은 A.T와 정확히 같습니다.

B = np.transpose(A, (2,0,1))

# 위의 A 어레이로, (2, 3, 4) 의 형태
print(A)            

# A 어레이 중 첫번 째 행렬의 1행과 A 어레이 중 두번 째 행렬의 1행이, B 어레이 중 첫번 째 행렬의 1열, 2열이되고,
# A 어레이 중 첫번 째 행렬의 2행과 A 어레이 중 두번 째 행렬의 2행이, B 어레이 중 두번 째 행렬의 1열, 2열이되고,
# A 어레이 중 첫번 째 행렬의 3행과 A 어레이 중 두번 째 행렬의 3행이, B 어레이 중 세번 째 행렬의 1열, 2열이되고,
# A 어레이 중 첫번 째 행렬의 4행과 A 어레이 중 두번 째 행렬의 4행이, B 어레이 중 네번 째 행렬의 1열, 2열이된다.
print(B)    

# B는 (4,2,3)의 shape를 가진 행렬
print(B.shape)  

 

[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
--------------------------------------------------
[[[ 0 12]
  [ 4 16]
  [ 8 20]]

 [[ 1 13]
  [ 5 17]
  [ 9 21]]

 [[ 2 14]
  [ 6 18]
  [10 22]]

 [[ 3 15]
  [ 7 19]
  [11 23]]]
--------------------------------------------------
(4, 3, 2)
--------------------------------------------------
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
[[[ 0  4  8]
  [12 16 20]]

 [[ 1  5  9]
  [13 17 21]]

 [[ 2  6 10]
  [14 18 22]]

 [[ 3  7 11]
  [15 19 23]]]
(4, 2, 3)

In [35]:

# 모든 기본 통계 수치 계산해보기

def numbers():
    X = []
    number = input("Enter a number (<Enter key> to quit)") 
    
    while number != "":
        try:
            x = float(number)
            X.append(x)
        except ValueError:
            print('>>> NOT a number! Ignored..')
        number = input("Enter a number (<Enter key> to quit)")
    return X

def main():
    # 위 함수에서 받아온 리스트 배열
    nums = numbers()       
    
    # 리스트배열은 넘파이 어레이로 변경
    num = np.array(nums)   
    
    # 넘파이 명령어를 통한 기본 통계수치 계산
    print("합", num.sum())
    print("평균값",num.mean())
    print("표준편차",num.std())
    
     # num.median() 이 아님에 유의
    print("중앙값",np.median(num))  

main()

 

Enter a number (<Enter key> to quit)10
Enter a number (<Enter key> to quit)1
Enter a number (<Enter key> to quit)2
Enter a number (<Enter key> to quit)34
Enter a number (<Enter key> to quit)5
Enter a number (<Enter key> to quit)
합 52.0
평균값 10.4
표준편차 12.208193969625484
중앙값 5.0