파이썬 확장 패키지 : numpy (1)

Numpy 패키지

- 넘파이(NumPy)는 Numerical Python의 약자로 대표적인 파이썬 기반 수치 해석 라이브러리로 알려져 있다.

  특히 선형대수 연산에 필요한 다차원 배열과 배열 연산을 수행하는 다양한 함수를 제공한다.

- 데이터 분석을 위한 패키지

- 파이썬으로 과학 연산을 쉽고 빠르게 할 수 있게 만든 패키지

- 배열 데이터를 효과적으로 다룬다.

 

numpy 1차원 배열 생성

import numpy

# 리스트 생성
data1 = [1, 2, 3, 4, 5]
data2 = [1.7, 2, 5.5, 7, 9.9]
data3 = [1.7, 2, '5.5', 7, 9.9]

print(data1)
print(data2)
print(data3)
print('-' * 30)

# numpy 1차원 배열 생성 : 리스트로 numpy 배열 만들기
# ndarray : n dimension array (다차원 배열)
arr1 = numpy.array(data1)
print(arr1)
print(type(arr1)) # 자료형 확인
print(arr1.dtype) # 데이터 종류 확인
print(arr1.shape) # 배열 형태 확인
print()

# 단일 데이터만 취급
# => 정수와 실수가 섞여 있으면 모두 실수로 변환
arr2 = numpy.array(data2) 
print(arr2)
print(arr2.dtype)
print(arr2.shape)
print()

# 단 1개라도 문자열이 섞여 있으면, 모두 문자열로 변환됨
arr3 = numpy.array(data3)
print(arr3)
print(arr3.dtype) 
print(arr3.shape)

[1, 2, 3, 4, 5]
[1.7, 2, 5.5, 7, 9.9]
[1.7, 2, '5.5', 7, 9.9]
------------------------------
[1 2 3 4 5]
<class 'numpy.ndarray'>
int32
(5,)

[1.7 2.  5.5 7.  9.9]
float64
(5,)

['1.7' '2' '5.5' '7' '9.9']
<U32
(5,)

 

 

numpy 2차원 배열 생성 : numpy.array()

import numpy

data1 = [1, 2, 3]
data2 = [4, 5, 6]
data3 = [7, 8, 9]

# numpy 2차원 배열 생성, []를 ()로 묶는다.
arr1 = numpy.array([data1, data2, data3])

# 저장 내용 확인
print("arr1 :")
print(arr1)

# numpy 배열 속성확인
print("arr1 type :", type(arr1))
print("arr1 배열 데이터 타입 :", arr1.dtype)
print("arr1 배열 형태 :", arr1.shape)

arr1 :
[[1 2 3]
 [4 5 6]
 [7 8 9]]
arr1 type : <class 'numpy.ndarray'>
arr1 배열 데이터 타입 : int32
arr1 배열 형태 : (3, 3)

 

 

범위를 지정해서 배열 생성

import numpy

# 범위를 지정해서 numpy 배열 생성, 
# arange([start,] stop[, step])
arr1 = numpy.arange(0, 10, 2) # 1~9까지 2씩
arr2 = numpy.arange(1, 10)    # 1~9까지
arr3 = numpy.arange(5)        # 4까지

# 저장 내용 확인
print("arr1 :", arr1)
print("arr2 :", arr2)
print("arr3 :", arr3)
print()

# numpy 배열 속성확인
print("arr1 type :", type(arr1))
print("arr1 배열 데이터 타입 :", arr1.dtype)
print("arr1 배열 형태 :", arr1.shape)

arr1 : [0 2 4 6 8]
arr2 : [1 2 3 4 5 6 7 8 9]
arr3 : [0 1 2 3 4]

arr1 type : <class 'numpy.ndarray'>
arr1 배열 데이터 타입 : int32
arr1 배열 형태 : (5,)

 

 

m x n 행렬로 변경 (2차원)

import numpy

arr1 = numpy.arange(1, 13)
print("arr1 :", arr1)
print("arr1 배열 형태 :", arr1.shape)

# reshape()을 통해 차원을 변경할 때는 데이터 개수가 일치해야 함
# 2차원 배열로 변경
arr2 = arr1.reshape(3, 4) # 3행 4열로 변경
print("arr2 :")
print(arr2)
print("arr2 배열 형태 :", arr2.shape)
print()

# 데이터 개수에 상관없이 변경(행) : -1 사용
arr2 = arr1.reshape(3, -1)
print("arr2 :")
print(arr2)
print("arr2 배열 형태 :", arr2.shape)

# 데이터 개수에 상관없이 변경(열) : -1 사용
arr2 = arr1.reshape(-1, 3)
print("arr2 :")
print(arr2)
print("arr2 배열 형태 :", arr2.shape)
print('-')

# 3차원 배열로 변경
arr3 = arr2.reshape(2, 2, 3) # 2행3열이 2개 (면, 행, 열)
print("arr3 :")
print(arr3)
print("arr3 배열 형태 :", arr3.shape)
print()

# 4차원 배열로 변경
arr4 = arr2.reshape(2, 2, 3, 1) # 3행1열이 2개씩 들어간것 이 2개
print("arr4 :")
print(arr4)
print("arr4 배열 형태 :", arr4.shape)
print()

# 4차원 배열을 1차원 배열로 변경 -1
arr1 = arr4.reshape(12)
print("arr1 :", arr1)
print("arr1 배열 형태 :", arr1.shape)
print()

# 4차원 배열을 1차원 배열로 변경 -2
arr1 = arr4.reshape(-1)
print("arr1 :", arr1)
print("arr1 배열 형태 :", arr1.shape)

arr1 : [ 1  2  3  4  5  6  7  8  9 10 11 12]
arr1 배열 형태 : (12,)
arr2 :
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
arr2 배열 형태 : (3, 4)

arr2 :
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
arr2 배열 형태 : (3, 4)
arr2 :
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
arr2 배열 형태 : (4, 3)
-
arr3 :
[[[ 1  2  3]
  [ 4  5  6]]

 [[ 7  8  9]
  [10 11 12]]]
arr3 배열 형태 : (2, 2, 3)

arr4 :
[[[[ 1]
   [ 2]
   [ 3]]

  [[ 4]
   [ 5]
   [ 6]]]


 [[[ 7]
   [ 8]
   [ 9]]

  [[10]
   [11]
   [12]]]]
arr4 배열 형태 : (2, 2, 3, 1)

arr1 : [ 1  2  3  4  5  6  7  8  9 10 11 12]
arr1 배열 형태 : (12,)

arr1 : [ 1  2  3  4  5  6  7  8  9 10 11 12]
arr1 배열 형태 : (12,)

 

 

시작과 끝 범위, 데이터 개수를 지정해서 numpy 배열 생성

import numpy

# 범위의 시작과 끝을 지정하고 데이터 개수를 지정해서 numpy 배열을 생성
# linspace(start, end, 개수)
arr1 = numpy.linspace(1, 5, 10)
print("arr1 :")
print(arr1)
print("arr1 type :", type(arr1))
print("arr1 배열 데이터 타입 :", arr1.dtype)
print("arr1 배열 형태 :", arr1.shape)
print()

arr2 = numpy.linspace(-1, 1, 50)
print("arr2 :")
print(arr2)
print("arr2 type :", type(arr2))
print("arr2 배열 데이터 타입 :", arr2.dtype)
print("arr2 배열 형태 :", arr2.shape)

arr1 :
[1.         1.44444444 1.88888889 2.33333333 2.77777778 3.22222222
 3.66666667 4.11111111 4.55555556 5.        ]
arr1 type : <class 'numpy.ndarray'>
arr1 배열 데이터 타입 : float64
arr1 배열 형태 : (10,)

arr2 :
[-1.         -0.95918367 -0.91836735 -0.87755102 -0.83673469 -0.79591837
 -0.75510204 -0.71428571 -0.67346939 -0.63265306 -0.59183673 -0.55102041
 -0.51020408 -0.46938776 -0.42857143 -0.3877551  -0.34693878 -0.30612245
 -0.26530612 -0.2244898  -0.18367347 -0.14285714 -0.10204082 -0.06122449
 -0.02040816  0.02040816  0.06122449  0.10204082  0.14285714  0.18367347
  0.2244898   0.26530612  0.30612245  0.34693878  0.3877551   0.42857143
  0.46938776  0.51020408  0.55102041  0.59183673  0.63265306  0.67346939
  0.71428571  0.75510204  0.79591837  0.83673469  0.87755102  0.91836735
  0.95918367  1.        ]
arr2 type : <class 'numpy.ndarray'>
arr2 배열 데이터 타입 : float64
arr2 배열 형태 : (50,)

 

 

모든 원소가 0 또는 1인 numpy 배열 생성

import numpy

# 모든 원소가 0인 numpy 배열 생성
arr1 = numpy.zeros(10)
arr2 = numpy.zeros((2, 3))
arr3 = numpy.zeros((2, 3, 4))
print("arr1 :")
print(arr1)
print("arr2 :")
print(arr2)
print("arr3 :")
print(arr3)
print("arr1 배열 데이터 타입 :", arr1.dtype)
print("arr1 배열 형태 :", arr1.shape)
print("arr2 배열 형태 :", arr2.shape)
print("arr3 배열 형태 :", arr3.shape)
print()

# 모든 원소가 1인 numpy 배열 생성
arr1 = numpy.ones(10)
arr2 = numpy.ones((2, 3))
arr3 = numpy.ones((2, 3, 4))
print("arr1 :")
print(arr1)
print("arr2 :")
print(arr2)
print("arr3 :")
print(arr3)
print("arr1 배열 데이터 타입 :", arr1.dtype)
print("arr1 배열 형태 :", arr1.shape)
print("arr2 배열 형태 :", arr2.shape)
print("arr3 배열 형태 :", arr3.shape)

arr1 :
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
arr2 :
[[0. 0. 0.]
 [0. 0. 0.]]
arr3 :
[[[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]

 [[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]]
arr1 배열 데이터 타입 : float64
arr1 배열 형태 : (10,)
arr2 배열 형태 : (2, 3)
arr3 배열 형태 : (2, 3, 4)

arr1 :
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
arr2 :
[[1. 1. 1.]
 [1. 1. 1.]]
arr3 :
[[[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]]
arr1 배열 데이터 타입 : float64
arr1 배열 형태 : (10,)
arr2 배열 형태 : (2, 3)
arr3 배열 형태 : (2, 3, 4)

 

 

단위 행렬 생성

import numpy

# 단위 행렬로 numpy 배열 생성
# n x n 정사각형 행렬에서 주 대각선이 모두 1이고 나머지는 0인 행렬
arr1 = numpy.eye(3)

# 저장 내용 확인
print("arr1 :")
print(arr1)
print("--------------")

# numpy 배열 속성확인
print("arr1 type :", type(arr1))
print("arr1 배열 데이터 타입 :", arr1.dtype)
print("arr1 배열 형태 :", arr1.shape)

arr1 :
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
--------------
arr1 type : <class 'numpy.ndarray'>
arr1 배열 데이터 타입 : float64
arr1 배열 형태 : (3, 3)