NumPy 기본 및 생성
안녕하세요. 벌써 2020년이 되고 설날도 지났네요. 새해 복 많이 받으시고요. 원래 작년 12월 말에 쓰려고 했던 글인데 한 달이 다 되어가서야 쓰게 되었네요.
이전에 NumPy 소개 글에 이어서 이번 글에는 NumPy 기본부분과 NumPy 배열을 생성하는 내용을 다루도록 하겠습니다. 제 글에 있는 모든 내용은 아래 사이트의 내용을 Reference로 하여 작성하였으니 참고 바랍니다.
자료형
Numpy에서 사용하는 자료형은 ndarray라는 자료형을 사용합니다. ndarray 자료형은 배열 구조형으로, 기본적으로 다차원 배열을 사용합니다.
[[1., 0., 0.],
[0., 1., 2.]]하지만 일반 자료형인 리스트, 튜플로도 변환 가능하니 참고하시면 됩니다.
배열 생성 방법
배열을 생성하는 방법은 여러 가지가 있습니다.
특정 값으로 배열을 생성하는 방법이 있고, 정수 형태의 순차값으로 생성하는 방법도 있고, 0이나 1로 값을 채우는 방법도 있습니다. 물론 그 외에도 시작값과 끝 값을 지정하고 개수를 지정하면 일정 간격으로 사이 값으로 채워지는 경우도 있습니다.
a = np.array([10, 20, 30]) # [10, 20, 30]특정 값으로 구성된 배열을 생성합니다. 특정 값은 단일 값일 수도 있지만 대체로 리스트, 튜플 등이 들어갑니다.
b = np.arange(8) # [0, 1, 2, 3, 4, 5, 6, 7]0부터 입력한 개수의 값이 순차적으로 입력됩니다. for문에서 주로 사용되는 range() 함수와 같은 용도입니다. 함수 이름 외우는것도 Array의 ‘a’, 그리고 range’ 이런 식으로 외우면 되겠죠.
c = np.zeros(5) # [0, 0, 0, 0, 0]입력 개수만큼 0으로 채웁니다. AI에서 많이 사용하니까 이 함수는 반드시 알아두는 것이 좋습니다.
d = np.ones(2) # [1, 1, 1, 1, 1]zeros가 0이면 ones는 1이겠죠? 같은 범주로 이해하시면 됩니다.
e = np.linspace(10, 12, num=5)linspace는 arange를 확장한 메소드로 보시면 됩니다. 시작값, 끝값, 배열 요소 개수 형태로 들어가며, 나머지 값은 시작값과 끝값의 사이값으로 규칙적으로 들어갑니다. arange가 정수 배열이면, linspace는 정수/실수 배열로 보면 되겠죠?
물론 그 외에도 zeros_like, ones_like, empty, empty_like, fromfunction, fromfile, random 등이 있지만, 대표적으로는 위 다섯 가지를 많이 사용합니다.
배열 기본 속성 및 차원
위 예제에서는 1차원 배열을 예로 들었지만, ndarray 배열은 사실 다차원 배열입니다. 그래서 이와 관련된 기본 속성에 대해서도 간단히 알아보겠습니다.
a = np.array([[10, 20, 30],[40, 50, 11]])
print(a.ndim) # 2
print(a.shape) # (2, 3)
print(a.size) # 6- ndim은 몇 차원인지를 나타냅니다.
- shape는 배열 형태를 나타냅니다. 지금은 2x3 형태이므로 (2,3)으로 출력됩니다.
- size는 전체 크기를 나타냅니다.
ndarray는 요소와 형태가 독립적입니다. 이 부분은 매우 중요합니다. 2차원 2x3 배열을 2차원 3x2 또는 1x6으로 바꿀 수도 있고, 1차원 배열인 6으로 바꿀 수도 있습니다.
즉 요소의 내용 및 순서는 동일하더라도, 형태만 맞으면 자유롭게 변환이 가능합니다. 물론 형태가 맞지 않으면 변환도 안되므로 유의 바랍니다.
ndarray의 형태를 바꾸는 함수는 다음과 같습니다.
b = a.reshape(3,2) # [10, 20], [30, 40], [50, 60]reshape 메소드를 사용하면 형태를 바꿀 수 있으며, 이 함수는 numpy에서 가장 많이 사용하는 메소드이므로 반드시 알아두시는 것이 좋습니다.
또한 ndarray는 shape만 동일하면 일반적인 사칙연산도 가능합니다. 지난번 글에서 나온 예제가 그 내용으로 볼 수 있습니다.
import numpy as np
a = np.array([10, 20, 30, 40])
b = np.array([3, 5, 2, 1])
c = a + b # [13 25 32 41]
d = a - b # [ 7 15 28 39]
e = a * b # [ 30 100 60 40]
f = a / b # [ 3.33333333 4. 15. 40. ]
g = a % b # [1 0 0 0]Numpy에는 수많은 수학 내장함수가 있습니다. 숫자를 다루는 모듈이다 보니 숫자 함수가 없으면 안되겠죠?
import numpy as np
a = np.array([10, 20, 30, 40])
b = np.array([0, 1, 2, 3])
c = np.exp(b) # [ 1. 2.71828183 7.3890561 20.08553692]
d = np.sqrt(a) # [3.16227766 4.47213595 5.47722558 6.32455532]
e = np.add(a,b) # [10 21 32 43]그 외에도 수많은 함수가 있는데, NumPy Reference를 찾으면 확인이 가능하니 참고 바랍니다.
가장 기초적인 내용은 여기서 마치며, 다음은 NumPy 배열인 ndarray를 어떻게 다루는지를 설명하겠습니다.
