1. Numpy 배열의 생성과 연산

Flearning의Python으로 Big Data 분석하기

를 기반으로 들은 내용을 정리했다

1. Numpy?

Numerical Python의 줄임말로, 고성능의 다차원 배열 객체를 다룰 때 유용하게 쓰이는 라이브러리이다.

2. Numpy 배열

2.1 배열의 생성

파이썬의 리스트로 정의될 수 있으며, 직접 정의할 수도 있다.

import numpy as np
data1 = [1,2,3,4,5]
np1_arr = np.array(data1)

np2_arr = np.array([1,2,3,4,5])

두 배열 np1_arr, np2_arr은 1차원의 서로 같은 값을 가진 Numpy 배열이 생성된다.

이 후 np1,2_arr 들의 형태를 type(np1.arr)을 이용하여 살펴보면 <type 'numpy.ndarray'> 라는 데이터 타입으로 Numpy 배열이 생성되어 있다.

위의 방법처럼 일일이 정의해주는 것이 아닌 다양한 배열 생성함수를 제공한다.

import numpy as np

a = np.zeros((2, 2)) #0으로 모두 채운 행렬 생성, 출력 '[[0, 0],[0, 0]]'
b = np.ones((1, 2)) #1으로 모두 채운 행렬 생성, 출력 '[[1, 1]]'
c = np.full((2, 2), 7) # 특정 수로 모두 채운 행렬 생성, 출력'[[7, 7],[7, 7]]'
d = np.eye(3) # 단위행렬 생성, '[[1, 0, 0], [0, 1, 0], [0, 0, 1]]'
e = np.random.random((2, 2)) #임의값으로 채운 행렬 생성, 출력'[[ 0.51192618,  0.59765307],[ 0.82372035,  0.65580727]]'
f = np.arange(5, 9) #시작값부터 끝값까지 증가하는 행렬 생성, 출력 '[5,6,7,8,9]'

이렇게 numpy.ndarray 타입들은 shape를 통해 차원과, 차원의 크기를 알 수 있다.

import numpy as np
np_arr = np.array([[1,2,3],[4,5,6]]) # 2차원배열을 생성
print(np_arr.shape) #출력 (2, 3)

또한 배열의 개별 값의 데이터 타입도 확인할 수 있고, 생성시에 타입을 정해줄 수도 있다.

import numpy as np
arr1 = np.array([[1,2,3],[4,5,6]])
print(arr1.dtype) #출력 dtype('int32')

arr2 = np.array([1.0, 4.1, 5.5], dtype=np.float64)
print(arr2.dtype) #출력 dtype('float64')

2.1 배열의 연산

배열끼리, 혹은 배열과 스칼라 연산은 +, -, *, /, ** 산술연산자 모두를 지원한다.

import numpy as np

arr1 = np.array([[1,2,3],[4,5,6]], dtype=np.float64)
arr2 = np.array([[7,8,9],[10,11,12]], dtype=np.float64)

arr1 + arr2
#출력 array([[  8.,  10.,  12.],
#       [ 14.,  16.,  18.]])

arr1 - arr2
#출력 array([[-6., -6., -6.],
#       [-6., -6., -6.]])

arr1 * arr2
#출력 array([[  7.,  16.,  27.],
#       [ 40.,  55.,  72.]])

arr1 / arr2
# 출력 array([[ 0.14285714,  0.25      ,  0.33333333],
#       [ 0.4       ,  0.45454545,  0.5       ]])

arr1 ** 0.5
#출력 array([[ 1.        ,  1.41421356,  1.73205081],
#       [ 2.        ,  2.23606798,  2.44948974]])

여기서 주의해야 할점은 Numpy 배열끼리의 곱과 나눗셈은 행렬의 곱이 아니라는 점이다.

또한 배열의 차원과 크기도 서로 동일해야하만 연산이 가능하다.