numpy

0. numpy

import numpy

: python에서 Numpy를 사용하려면 먼저 import 시켜줘야 합니다.

 

import numpy as np

: numpy를 사용할 때 보편적으로 np라는 약자로 줄어서 사용을 많이 합니다. as 뒤에 원하는 것을 붙여도 좋지만 np로 붙여주는 것이 좋습니다.

 

 

1. array(리스트)

: 리스트를 numpy를 사용할 수 있는 ndarray로 변환시켜줍니다.

# array 사용법 import numpy as np array1 = np.array([[1], [2], [3]]) print(array1)

출력 결과 [[1]  [2]  [3]]

 

 

2. shape

: ndarray의 모양을 (row, column) 형태로 알려줍니다.

# shape 사용법 import numpy as np array1 = np.array([[1], [2], [3]]) print(array1.shape)

출력 결과 (3, 1)

 

 

3. ndim

: ndarray의 차원을 알려줍니다.

# ndim 사용법 import numpy as np array1 = np.array([[1], [2], [3]]) print(array1.ndim, "차원")

출력 결과 2 차원

 

4. dtype

: ndarray의 타입을 알려줍니다. 

# dtype 사용법 import numpy as np list1 = [1, 2, 3] array1 = np.array(list1) print(array1, array1.dtype) list2 = [1, 2, 'test'] array2 = np.array(list2) print(array2, array2.dtype) list3 = [1, 2, 3.0] array3 = np.array(list3) print(array3, array3.dtype)

출력 결과 [1 2 3] int32 ['1', '2' 'test'] <U11 [1. 2. 3.] float64

 

 

5. astype('type')

: ndarray의 type을 변환시켜줍니다.

# astype 사용법 import numpy as np # int -> float array_int = np.array([1, 2, 3]) array_float = array_int.astype('float64') print(array_float, array_float.dtype) # float -> int array_float1 = np.array([1.1, 2.1, 3.1]) array_int1 = array_float1.astype('int32') print(array_int1, array_int1.dtype)

출력 결과 [1. 2. 3.] float64 [1 2 3] int32

 

 

6. arange(n)

: 0 ~ n-1까지 기본적으로 integer형 숫자를 가진 ndarray를 생성한다.

  arange(start=n, stop=m)으로도 사용 가능합니다.([n, n+1, n+2, ... , m-1])

# arange 사용법 import numpy as np array1 = np.arange(10) print(array1, array1.dtype, array1.shape) array2 = np.arange(start=1, stop=10) print(array2, array2.dtype, array2.shape)

출력 결과 [0 1 2 3 4 5 6 7 8 9] int32 (10,) [1 2 3 4 5 6 7 8 9] int32 (9,)

 

 

7. zeros((row, column))

: 모든 값들을 0으로 초기화해줍니다.

# zeros 사용법 import numpy as np zero_array_int = np.zeros((3, 2), dtype='int32') print(zero_array_int, zero_array_int.dtype, zero_array_int.shape) zero_array_float = np.zeros((3, 2), dtype='float64') print(zero_array_float, zero_array_float.dtype, zero_array_float.shape)

출력 결과 [[0 0]  [0 0]  [0 0]] int32 (3, 2) [[0. 0.]  [0. 0.]  [0. 0.]] float64 (3, 2)

 

 

8. ones((row, column))

: 모든 값들을 1로 초기화해줍니다.

# ones 사용법 import numpy as np one_array_int = np.ones((3, 2), dtype='int32') print(one_array_int, one_array_int.dtype, one_array_int.shape) one_array_float = np.ones((3, 2), dtype='float64') print(one_array_float, one_array_float.dtype, one_array_float.shape)

출력 결과 [[1 1]  [1 1]  [1 1]] int32 (3, 2) [[1. 1.]  [1. 1.]  [1. 1.]] float64 (3, 2)

 

 

9. reshape(row, column)

: ndarray를 새롭게 정의합니다. 불가능할 경우 오류가 발생합니다.

  row나 column 중 한 개를 -1로 설정할 경우 가능한 수치로 맞추어줍니다.

  둘 다 -1일 경우나 가능한 수치를 찾을 수 없을 경우 오류가 발생합니다.

# reshape 사용법 import numpy as np array1 = np.arange(10) print(array1) array2 = array1.reshape(2, 5) print(array2) array3 = array1.reshape(-1, 2) print(array3)

출력 결과 [0 1 2 3 4 5 6 7 8 9] [[0 1 2 3 4]  [5 6 7 8 9]] [[0 1]  [2 3]  [4 5]  [6 7]  [8 9]]

 

 

10. tolist(array)

: ndarray를 list로 변환할 수 있습니다.

# tolist 사용법 import numpy as np array1 = np.arange(8) array1_list = array1.tolist() print(array1, array1_list) print('--------------------------------------------') array1_3d = array1.reshape((2, 2, 2)) array1_3d_list = array1_3d.tolist() print(array1_3d, array1_3d_list)

출력 결과 [0 1 2 3 4 5 6 7] [0, 1, 2, 3, 4, 5, 6, 7] -------------------------------------------- [[[0 1]   [2 3]]  [[4 5]   [6 7]]] [[[0, 1], [2, 3]], [[4, 5], [6, 7]]]

 

 

11. ndarray[n]

: ndarray의 n+1번째 index 위치의 데이터 값을 의미합니다.

# ndarray 사용법 import numpy as np array1 = np.arange(start=1, stop=10) print('array1 :', array1) print('--------------------------------------------') value = array1[2] print('value :', value) print('--------------------------------------------') array1d = np.arange(start=1, stop=10) array2d = array1d.reshape(3, 3) print(array2d) print('--------------------------------------------') for i in range(len(array2d)):     for j in range(len(array2d[i])):         print('(row={0}, col={1}) value : {2}'.format(i, j, array2d[i, j]))

출력 결과 array1 : [1 2 3 4 5 6 7 8 9] -------------------------------------------- value : 3 -------------------------------------------- [[1 2 3]  [4 5 6]  [7 8 9]] -------------------------------------------- (row=0, col=0) value : 1 (row=0, col=1) value : 2 (row=0, col=2) value : 3 (row=1, col=0) value : 4 (row=1, col=1) value : 5 (row=1, col=2) value : 6 (row=2, col=0) value : 7 (row=2, col=1) value : 8 (row=2, col=2) value : 9

 

 

12. slicing[n:m]

: ndarray의 부분 추출이 가능합니다.

  slicing[n:m]의 경우 index n부터 index m-1까지 추출합니다.

  slicing[n:]의 경우 index n부터 끝까지 추출합니다.

  slicing[:m]의 경우 index 0부터 index m-1까지 추출합니다.

# slicing 사용법 import numpy as np array1 = np.arange(start=1, stop=10) array1_1 = array1[0:3] print("[0:3] ->", array1_1) print('--------------------------------------------') array1_2 = array1[:3] print("[:3] ->", array1_2) print('--------------------------------------------') array1_3 = array1[3:] print("[3:] ->", array1_3) print('--------------------------------------------') array1_4 = array1[:] print("[:] ->", array1_4)	import numpy as np array1d = np.arange(start=1, stop=10) array2d = array1d.reshape(3, 3) print('--------------------2 D---------------------') print("ORIGINAL\n", array2d) print('--------------------------------------------') print("[0:2, 0:2]\n", array2d[0:2, 0:2]) print('--------------------------------------------') print("[1:3, 0:3]\n", array2d[1:3, :]) print('--------------------------------------------') print("[:2, 0]\n", array2d[:2, 0])
출력 결과
[0:3] -> [1 2 3] -------------------------------------------- [:3] -> [1 2 3] -------------------------------------------- [3:] -> [4 5 6 7 8 9] -------------------------------------------- [:] -> [1 2 3 4 5 6 7 8 9]	--------------------2 D--------------------- ORIGINAL  [[1 2 3]  [4 5 6]  [7 8 9]] -------------------------------------------- [0:2, 0:2]  [[1 2]  [4 5]] -------------------------------------------- [1:3, 0:3]  [[4 5 6]  [7 8 9]] -------------------------------------------- [:2, 0]  [1 4]

 

 

13. Indexing & tolist

# indexing & tolist import numpy as np array1d = np.arange(start=1, stop=10) array2d = array1d.reshape(3, 3) print('ORIGINAL\n', array2d) print('--------------------------------------------') print("[[0, 1], 2] ->", array2d[[0,1], 2].tolist()) print('--------------------------------------------') print("[[0, 1], 0:2] ->", array2d[[0, 1], 0:2].tolist()) print('--------------------------------------------') print("[[0, 1]] ->", array2d[[0, 1]].tolist())

출력 결과 ORIGINAL  [[1 2 3]  [4 5 6]  [7 8 9]] -------------------------------------------- [[0, 1], 2] -> [3, 6] -------------------------------------------- [[0, 1], 0:2] -> [[1, 2], [4, 5]] -------------------------------------------- [[0, 1]] -> [[1, 2, 3], [4, 5, 6]]

 

14. Boolean Indexing

# Boolean Indexing import numpy as np array1 = np.arange(start=1, stop=10) print("ORIGINAL\n", array1) print('--------------------------------------------') array2 = array1[array1 > 5] print('array1[array1 > 5] \n', array2) print('--------------------------------------------') print(array1 > 5) print('--------------------------------------------') boolean_indexes = np.array([True, False, False, False, False, True, True, True, True]) array3 = array1[boolean_indexes] print('Boolean index로 필터링한 결과 :', array3) print('--------------------------------------------') indexes = np.array([5, 6, 7, 8]) array4 = array1[indexes] print('일반 index로 필터링 결과 :', array4)

출력 결과 ORIGINAL  [1 2 3 4 5 6 7 8 9] -------------------------------------------- array1[array1 > 5]   [6 7 8 9] -------------------------------------------- [False False False False False  True  True  True  True] -------------------------------------------- Boolean index로 필터링한 결과 : [1 6 7 8 9] -------------------------------------------- 일반 index로 필터링 결과 : [6 7 8 9]

 

 

15. sort(ndarray)

: ndarray를 정렬해 줍니다. 기본적으로 오름차순으로 정렬합니다.

  row는 axis=0이고, column은 axis=1입니다.

# sort 사용법 import numpy as np original_array = np.array([3, 1, 9, 5]) print('ORIGINAL\n', original_array) print('--------------------------------------------') sort_array1 = np.sort(original_array) print('np.sort() 호출 후 반환된 정렬 행렬 :', sort_array1) print('np.sort() 호출 후 원본 행렬 :', original_array) print('--------------------------------------------') original_array.sort() print('original_array.sort() 호출 후 원본 행렬 :', original_array) print('--------------------------------------------') sort_array1_desc = np.sort(original_array)[::-1] print('내림차순으로 정렬 :', sort_array1_desc) print('--------------------------------------------') array2d = np.array([[8, 12], [7, 1]]) print("ORIGINAL\n", array2d) print('--------------------------------------------') sort_array2d_row = np.sort(array2d, axis=0) print('row 방향으로 정렬:\n', sort_array2d_row) print('--------------------------------------------') sort_array2d_col = np.sort(array2d, axis=1) print('column 방향으로 정렬:\n', sort_array2d_col)

출력 결과 ORIGINAL  [3 1 9 5] -------------------------------------------- np.sort() 호출 후 반환된 정렬 행렬 : [1 3 5 9] np.sort() 호출 후 원본 행렬 : [3 1 9 5] -------------------------------------------- original_array.sort() 호출 후 원본 행렬 : [1 3 5 9] -------------------------------------------- 내림차순으로 정렬 : [9 5 3 1] -------------------------------------------- ORIGINAL  [[ 8 12]  [ 7  1]] -------------------------------------------- row 방향으로 정렬:  [[ 7  1]  [ 8 12]] -------------------------------------------- column 방향으로 정렬:  [[ 8 12]  [ 1  7]]

 

 

16. argsort()

: 정렬된 값의 인덱스를 얻을 수 있습니다.

# argsort 사용법 import numpy as np org_array = np.array([3, 1, 9, 5]) sort_indices_asc = np.argsort(org_array) print("행렬 오름차순 정렬 시 원본 행렬의 인덱스 :", sort_indices_asc) print('--------------------------------------------') org_array = np.array([3, 1, 9, 5]) sort_indices_desc = np.argsort(org_array)[::-1] print("행렬 내림차순 정렬 시 원본 행렬의 인덱스 :", sort_indices_desc) print('--------------------------------------------') name_array = np.array(['Kim', 'Lee', 'Park', 'Sung', 'Shin']) score_array = np.array([78, 95, 84, 98, 88]) sort_indices = np.argsort(score_array) print('성적 오름차순 정렬 시 score_array의 인덱스 :', sort_indices) print('성적 오름차순으로 name_array의 이름 출력 :', name_array[sort_indices])

출력 결과 행렬 오름차순 정렬 시 원본 행렬의 인덱스 : [1 0 3 2] -------------------------------------------- 행렬 내림차순 정렬 시 원본 행렬의 인덱스 : [2 3 0 1] -------------------------------------------- 성적 오름차순 정렬 시 score_array의 인덱스 : [0 2 4 1 3] 성적 오름차순으로 name_array의 이름 출력 : ['Kim' 'Park' 'Shin' 'Lee' 'Sung']

 

17. dot

: 행렬의 내적을 계산해줍니다.

# dot 사용법 import numpy as np A = np.array([[1, 2, 3], [4, 5, 6]]) B = np.array([[7, 8], [9, 10], [11, 12]]) dot_product = np.dot(A, B) print('행렬 내적 결과:\n', dot_product)

출력 결과 행렬 내적 결과:  [[ 58  64]  [139 154]]

 

 

18. transpose

: 전치 행렬해줍니다.

# transpose 사용법 import numpy as np A = np.array([[1, 2], [3, 4]]) transpose_mat = np.transpose(A) print('A의 전치 행렬\n', transpose_mat)

출력 결과 A의 전치 행렬  [[1 3]  [2 4]]