넘파이

Numpy(넘파이) 속성 및 함수 훑어보기 2022.06.20

Numpy(넘파이) 속성 및 함수 훑어보기

2022. 6. 20. 09:24

http://www.numpy.org

NumPy

Powerful N-dimensional arrays Fast and versatile, the NumPy vectorization, indexing, and broadcasting concepts are the de-facto standards of array computing today. Numerical computing tools NumPy offers comprehensive mathematical functions, random number g

numpy.org

파이썬 라이브러리중 하나
수학 및 통계, 과학 연산을 위한 파이썬 패키지

In [1]:

import numpy as np  #모듈 추가
np.__version__       #버전확인

Out[1]:

'1.21.5'

Numpy¶

파이썬 라이브러리중 하나
수학 및 통계, 과학 연산을 위한 파이썬 패키지
행열연산 가능

In [2]:

import numpy as np

버전 확인¶

In [4]:

np.__version__

Out[4]:

'1.21.5'

넘파이 배열만들기¶

-리스트 넘파이 배열화

In [5]:

m_list = [1, 2, 3, 4, 5]
type(m_list), m_list

Out[5]:

(list, [1, 2, 3, 4, 5])

In [6]:

arr = np.array(m_list)
type(arr), arr

Out[6]:

(numpy.ndarray, array([1, 2, 3, 4, 5]))

넘파이와 리스트 차이¶

- 리스트는 데이터형이 다중인 경우 -> 데이터형이 그대로 유지된다.

- 넘파이인 경우는 하나의 데이터형만 유지할 수 있다.
- 문자가 포함되어있는경우 문자형식이 우선으로 선택되며
- 실수와 정수만 있는경우 실수형식으로 선택된다.

-리스트는 데이터형 혼합가능

In [7]:

mylist = [0, 1, 3.5, 100, -6.7,'가나다']
mylist

Out[7]:

[0, 1, 3.5, 100, -6.7, '가나다']

In [8]:

arr = np.array([0, 1, 2, 3, 4, 5])
arr ,arr.dtype

Out[8]:

(array([0, 1, 2, 3, 4, 5]), dtype('int32'))

In [9]:

arr = np.array([0, 1, 2.5, -3, 4, 5.5])
arr , arr.dtype

Out[9]:

(array([ 0. ,  1. ,  2.5, -3. ,  4. ,  5.5]), dtype('float64'))

In [10]:

arr = np.array([0, 1, 2.5, -3, 4, 5.5, '가나다'])
arr

Out[10]:

array(['0', '1', '2.5', '-3', '4', '5.5', '가나다'], dtype='<U32')

In [11]:

arr = np.array([0, 1, 2.5, -3, 4, 5.5],dtype=int)
arr ,arr.dtype

Out[11]:

(array([ 0,  1,  2, -3,  4,  5]), dtype('int32'))

넘파이 초기화 함수¶

np.zeros([x, y]) : 0으로 구성된 2차원 numpy 배열
np.ones([x, y]) : 1로 구성된 2차원numpy 배열

In [12]:

arr = np.zeros(5)
arr1 = np.zeros([5,5])

arr, arr1

Out[12]:

(array([0., 0., 0., 0., 0.]),
 array([[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]]))

In [13]:

arr = np.ones([2,3],type(int))
arr

Out[13]:

array([[1, 1, 1],
       [1, 1, 1]], dtype=object)

np.full([x, y], 초기값) : 모든 요소를 지정한 값으로 지정하는 2차원 numpy 배열

In [14]:

arr = np.full(5,3)
arr1 = np.full([5,5],10)
print(arr)
print('='*30)
print(arr1)

[3 3 3 3 3]
==============================
[[10 10 10 10 10]
 [10 10 10 10 10]
 [10 10 10 10 10]
 [10 10 10 10 10]
 [10 10 10 10 10]]

np.eye(갯수) : 대각선의 원소가 모두 1이고 나머지 원소는 모두 0으로 정사각형인 2차원 Numpy 배열 : 행과 열의 갯수가 같다
np.tri(갯수) : 대각선을 기준으로 삼각형 형태의 1로 지정되는 정사각형 2차원 Numpy 배열

In [15]:

np.eye(4, dtype=int)

Out[15]:

array([[1, 0, 0, 0],
       [0, 1, 0, 0],
       [0, 0, 1, 0],
       [0, 0, 0, 1]])

In [16]:

np.tri(3, dtype=int)

Out[16]:

array([[1, 0, 0],
       [1, 1, 0],
       [1, 1, 1]])

넘파이 배열의 속성¶

shape : 배열의 크기 확인
ndim : 배열의 차원 확인하기
size : 배열의 전체 크기 확인하기

In [17]:

arr = np.full([3,3],5)
print(arr)
print(f'shape : {arr.shape} \ndim : {arr.ndim} \nsize : {arr.size} \nlen : {len(arr)}')

[[5 5 5]
 [5 5 5]
 [5 5 5]]
shape : (3, 3) 
dim : 2 
size : 9 
len : 3

-np.linspace(start,end,n) : 범위내에서 n개를 균등간격으로 생성

In [18]:

np.linspace(10, 100, 5, dtype=int)

Out[18]:

array([ 10,  32,  55,  77, 100])

-np.arange(start,end,step) : Numpy배열. end-1 까지만 생성

In [19]:

np.arange(10,20,2)

Out[19]:

array([10, 12, 14, 16, 18])

Numpy 배열의 크기 변경¶

.resize(X,Y, refcheck=False) 배열 크기 변경
.reshape(X,Y) 행열 재정의
.T는 Transpose. 행과 열이 서로 변경된다.
.swapaxes(축1,축2)

In [20]:

arr =np.array([[1,2,3],[4,5,6]])
arr

Out[20]:

array([[1, 2, 3],
       [4, 5, 6]])

-.resize(X,Y, refcheck=False) 사이즈 조절

In [21]:

arr.resize(2,2,refcheck=False)
arr

Out[21]:

array([[1, 2],
       [3, 4]])

In [22]:

arr.resize(4, 2 , refcheck=False)
arr

Out[22]:

array([[1, 2],
       [3, 4],
       [0, 0],
       [0, 0]])

-.reshape(X,Y) 행열 재정의

reshape, resize 의 차이¶

resize 빈공간이거나 초과하는 공간은 날리거나 0으로 채우지만
reshape 값 내의 행열을 재정의 한다.

In [23]:

arr = arr.reshape(2,4)
arr

Out[23]:

array([[1, 2, 3, 4],
       [0, 0, 0, 0]])

-.T는 Transpose. 행과 열이 변경된다.

In [24]:

arr= arr.T
print(arr)
arr = arr.T
print(arr)

[[1 0]
 [2 0]
 [3 0]
 [4 0]]
[[1 2 3 4]
 [0 0 0 0]]

-.swapaxes(축1,축2)

In [25]:

print(arr.swapaxes(0,1))
print(arr.swapaxes(1,1))

[[1 0]
 [2 0]
 [3 0]
 [4 0]]
[[1 2 3 4]
 [0 0 0 0]]

Numpy 배열의 값 삽입하기¶

np.insert(배열명, 인덱스, 값) : 1차원 배열의 인덱스에 해당하는 값 삽입
np.insert(배열명, 인덱스, 값, axis=0/1) : 2차원 배열의 인덱스에 해당하는 값 삽입
축(axis)를 지정하지 않으면 1차원 배열로 반환

In [26]:

arr = np.arange(8).reshape(4,2)
arr

Out[26]:

array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

In [27]:

# axis 값이 없으면 1차원으로 변환된후 값이 추가 된다.
np.insert(arr, 0 , [100, 200])

Out[27]:

array([100, 200,   0,   1,   2,   3,   4,   5,   6,   7])

In [28]:

np.insert(arr, 0 , [300, 500], axis=0)

Out[28]:

array([[300, 500],
       [  0,   1],
       [  2,   3],
       [  4,   5],
       [  6,   7]])

In [29]:

np.insert(arr, 0 , [-1, -2, -3, -4], axis=1)

Out[29]:

array([[-1,  0,  1],
       [-2,  2,  3],
       [-3,  4,  5],
       [-4,  6,  7]])

Numpy 배열의 값 삭제하기¶

np.delete(배열명, 인덱스) : 1차원 배열에서 특정 인덱스에 해당하는 값 삭제
np.delete(배열명, 인덱스, axis=0/1) : 2차원 배열에서 인덱스에 해당하는 값 삭제.
축(axis)를 지정하지 않으면 1차원 배열로 반환
삭제할 방향을 axis로 지정

In [30]:

arr = np.arange(1,21).reshape(4, 5)
arr 

Out[30]:

array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20]])

In [31]:

# 2차원에서 축을 지정하지 않는다면? (axis)
# 1차원으로 변경된 후 해당 인덱스가 삭제 
np.delete(arr, 0)

Out[31]:

array([ 2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18,
       19, 20])

In [32]:

np.delete(arr, 0, axis=0)

Out[32]:

array([[ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20]])

In [33]:

np.delete(arr, 0, axis=1)

Out[33]:

array([[ 2,  3,  4,  5],
       [ 7,  8,  9, 10],
       [12, 13, 14, 15],
       [17, 18, 19, 20]])

'Computer Language > Python' 카테고리의 다른 글

판다스(Pandas) 행과 열 가지고 놀기 (0)	2022.06.29
판다스(Pandas) - 기본 개념 (0)	2022.06.28
파이썬 html 정보 가져오기 크롤링(Web Crawling) (0)	2022.06.02
웹 크롤링(Web Crawling) 에러 , 304 에러 (0)	2022.06.01
파이썬[python] 큰따옴표(쌍따옴표) , 따옴표 활용 및 출력 (0)	2022.03.22

PREV 이전 1 NEXT 다음

국산곰탱이

넘파이