[부스트캠프 Pre-Cource] 10. Numpy

김상윤·2022년 7월 31일

부스트캠프AI-PreCource

목록 보기

10/12

Numpy의 특징

List에 비해 빠르고, 메모리 효율적
iteration(loop문) 없이 데이터 배열에 대한 연산(처리) 지원
선형대수 관련 기능 제공

Array

import numpy as np

array 생성

np.array()
-> ndarray 객체 생성
dynamic typing 지원 X
: array는 하나의 data type만 배열에 넣을 수 있다.
(list는 여러가지 type 하나의 배열에 넣을 수 있다.)
dtype을 통해 생성하는 array의 data type을 지정할 수 있다.

test_array = np.array(["1", "4", 5.0, 8], float)
test_array
# array([1., 4., 5., 8.])

array _ 메모리 구조

numpy array는 메모리에 데이터가 직접 연속적으로 저장된다.(c언어와 같은 방식)
- python list는 data가 어딘가에 따로 저장되어 있고, 그 주소값을 통해 접근한다.
메모리 접근성이 좋다
(is : 두 data의 메모리 위치를 비교)

a = [1,2,3]
b = [5,3,1]
a[0] is b[2] # True

a = np.array(a)
b = np.array(b)
a[0] is b[2] # Flase

메모리 크기가 일정하기 때문에 할당에 효율적이다.

array 객체의 멤버변수

array.dtype
- np.float64 선언 가능
  
  array.astype(int)
  : ndarray객체의 data type을 변경하는 numpy 함수
test_array.nbytes
- 메모리 크기 반환
array.shape
- 튜플 타입 반환 ex. (3, 3)
- 추가되는 차원이 앞에 붙는다.
  1차원 : (n,)
  2차원 : (m, n)
  3차원 : (l, m, n)
  ...
- 새로운 차원이 앞에 붙고 이전 차원이 뒤로 밀린다.
- [[[], [], []], [[], [], []]]
  : 가장 바깥 [ ]로 표현될 수록 앞에 표시된다.
array.ndim
- 몇 차원인지 반환
array.size
- 전체 elements 개수 반환
- ex.(3,2,3) -> 323 = 18
len(array)
- 첫 번째 차원의 개수 반환
- ex.(3,2,3) -> 3

test_array = np.array([1, 4, 5, "8"], float)
test_array.dtype  # dtype('float64')
test_array.shape # (4,)

Array의 함수

Reshape

array.reshape()

array.reshape(m,n)
: array의 shape 크기 변경, element 갯수는 동일
-1을 넣으면 나머지 size에 맞게 알아서 배치

test_array = np.array([[1,2,3,4], [1,2,5,8]])
test_array.reshape(8,)
# array([1,2,3,4,1,2,5,8])
test_array.reshape(-1,4)
# array([1,2,3,4],
#		[1,2,5,8])
test_array.shape
# (4,2)

array.flatten()

다차원 -> 1차원

indexing, slicing

indexing : list와 달리 [p,q] 표기법도 제공

test_array[1][2] == test_array[1,2]

list와 달리 행(row)과 열(column)을 따로 나눠서 slicing이 가능

a = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]], int)
a[:,2:] # 전체 Row의 2열 이상
a[1,1:3] # 1 Row의 1열 ~ 2열
a[1:3] # 1 Row ~ 2Row의 전체

[ startpoing : endpoint : step ]

newaxis

새로운 축을 하나 추가

test_array = test_array[np.newaxis, :]

creation 생성

np.arange()

list의 range()와 같이 0 ~ n-1까지 범위의 값을 가지는 ndarray 생성
list와 달리 floating point로 step 파라미터 설정 가능

np.zeros()

초기값 0으로 가득찬 ndarray 생성

np.ones()

초기값 1로 가득찬 ndarray 생성

np.empty()

shape만 할당되고, 비어있는 ndarray 생성
메모리에 이전에 사용하던 data가 있으면 그대로 반환된다.

np.someting_like()

기존 다른 array와 같은 shape으로 새로운 초기값 1,0,empty인 ndarray 생성
np.zeros_like(), np.ones_like(), np.empty_like()

random sampling

np.random.uniform(a,b,n)
- 균등분포
- a~b사이에 균등분포로 n개의 값을 생성
np.random.normal(a,b,n)
- 정규분포

행렬 생성

np.identity(n= , dtype= )
- 단위행렬(i) 생성
np.eye()
- 대각선이 1인, shape이 자유로운 행렬 생성
- 1이 시작하는 index k를 변경 할 수 있다.
np.diag(array)
- 행렬의 대각 행렬 값 추출

operation 연산

axis

operation function 실행할 때 기준이되는 dimension 축
array의 shape
1차원 : (n,)
2차원 : (m, n)
3차원 : (l, m, n)
...
- 새로운 차원이 앞에 붙고 이전 차원이 뒤로 밀린다.
- [[[], [], []], [[], [], []]]
  : 가장 바깥 [ ]로 표현될 수록 앞에 표시된다.
앞 dimension부터 axis = 0, 1, 2 할당
: (axis=0, axis=1, asix=2)
operation연산에 axis를 지정하면 해당 축 안에서, 해당 축을 기준으로 연산
- 해당 축을 없앤다고 생각
- 해당축의 값들을 연산해서 하나로 압축 한다고 생각
- 2차원
  axis = 0 )
  : 한 열(column)에 있는 값들을 연산
  : 열(column) 하나를 값 하나로 만듬
  axis = 1 )
  : 한 행(row)에 있는 값들을 연산
  : 행(row) 하나를 값 하나로 만듬