Numpy 기초

기본적으로 배열의 구조,  다차원 배열, 배열 간 연산, 정렬 등 가능

 

배열 객체 ndarray

 

import numpy as np

data = np.array([1,2,3,4,5])
print(data)
print(type(data))
print(data.dtype)

실행 결과

 

[1 2 3 4 5]    ☆쉼표 없음!!!!

<class 'numpy.ndarray'>

int32

 

배열 객체 생성하는 방법 : array() 메소드 

 

2차원(2행 3열) 랜덤 수 생성 : random.randn() 메소드 

 

import numpy as np

data = np.random.randn(2,3)
print(data)
print(data.shape)
print(data.dtype)

 

[[1.275644478 -0.0237722 1.0475675]

 [-0.86039567 1.2096523 1.33460799]]

(2,3)

float64

 

shape(행 수, 열 수)

 

ndarray 객체 요소의 값을 모두 0으로 초기화 : zeros() 메소드

import numpy as np

data1 = np.zeros(10)
print(data1)
print(data1.dtype)

data2 = np.zeros((2,3))
print(data2)

data3 = np.zeros((2,3),dtype=np.int32)
print(data3)

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

float64

[[0. 0. 0.]

 [0. 0. 0.]]

[[0 0 0]

 [0 0 0]]

 

1로 초기화하기 : ones() 메소드

 

일정 규칙 가진 수를 자동으로 생성 : arrange() 메소드

import numpy as np

data = np.arrange(10, 121, 10)
print(data)
print(data[2])
print(data[5:8])

data[7:10] = 800
print(data)

data2 = data.reshape(2,6)
print(data2)

실행 결과

 

[ 10 20 30 40 50 60 70 80 90 100 110 120]

30

[60 70 80]

[ 10 20 30 40 50 60 70 800 800 800 110 120]

[[ 10 20 30 40 50 60]

 [70 800 800 800 110 120]]

 

reshape() : ndarray차원의 객체 재구성. 예를 들어 reshape(3,5)은 배열의 구조를 3행 5열의 2차원으로 변환한다.

 

 

 

슬라이싱

 

import numpy as np

data = np.array([[1,2,3,4,5],
              [6,7,8,9,10],)
              [11,12,13,14,15]])
print(data)
print(data[2][3])
print(data[0][1:])
print(data[0])
print(data[[1,2]])
print()

data[1]=100
print(data)

data[:] = 200
print(data)

 

[[ 1 2 3 4 5]

 [ 6 7 8 9 10]

 [11 12 13 14 15]]

14

[2 3 4 5]

[1 2 3 4 5]

[[6 7 8 9 10]

 [11 12 13 14 15]]

 

[[ 1 2 3 4 5 ]

 [100 100 100 100 100]

 [ 11 12 13 14 15]]

[[200 200 200 200 200]

 [200 200 200 200 200]

 [200 200 200 200 200]]

 

 

 

배열의 산술연산 (+,-,*,/,%) 수행 가능

import numpy as np



a = np.array([[10,7,-8,2],
          [-2,2,8,3],
          [6,-8,-5,3]])
          
b= a * 2
print(b)

c = a * a
print(c)

print(a>b)

실행 결과

 

[[ 20 14 -16 4]

 [ -4 4 16 6]

 [12 -16 -10 6]]

[[100 49 64 4]

 [ 4 4 64 9]

 [ 36 64 25 9]]

[[False False True False]

 [ True False False False]

 [False True True False]]

 

 

np.where(조건식, 값1, 값2)

조건이 참이면 값1, 그렇지 않으면 값2의 요소 값을 가진 배열을 생성한다.

 

np.where(data > 0, 5, data)

data에서 요소값이 양수면 5, 그렇지않으면 원래 요소 값인 data를 반환

 

 

data.sort(0) 오름차순 정렬

data.sort(1) 내림차순 정렬

 

sum() 배열의 모든 요소들의 합

mean() 배열의 모든 요소들의 평균

max() 배열의 요소 중 최댓값

min()

argmax() 최댓값을 가지는 요소의 인덱스를 반환

argmin()

insert() 배열에 행 또는 열 삽입

 

np.insert(a, 3, 10)

배열 a의 인덱스 3의 요소에 10을 삽입

 

np.insert(x, 1, 10, axis =0)

배열 x의 열 방향으로 인덱스 1의 요소에 모든 요소값이 10인 행을 하나 삽입 - [10 10 10]

 

np.insert(x, 1, 10, axis =)1

배열 x의 행 방향으로 인덱스 1의 요소에 모든 요소값이 10인 열을 하나 삽입

 

[[1 10 1 1 ]

 [ 2 10  2 2 ]

 [ 3 10  3 3]]