[파이썬 개념] Numpy - 개념 총정리 (생성,추출,연산,통계,메소드,조건식,정렬 등)

● Numpy는 기본적으로 배열의 구조로 되어있다. 또한 다차원 배열, 배열 간 연산, 배열의 정렬 등의 기능도 제공한다.

● Numpy에서의 핵심은 다차원을 지원하는 배열 객체 ndarray 이다.

● ndarray 객체는 리스트와 같은 배열 형태로 되어 있지만, 리스트보다 훨씬 더 편리한 기능을 제공한다.

● 배열 객체 ndarray를 생성하는 가장 간단한 방법은 Numpy의 array() 메소드를 이용한는 것이다.

● ndarray 객체의 모든 요소는 int32(32비트 정수형), float64(64비트 실수형) 등과 같이 동일한 데이터 형을 가진다.

  이렇게 함으로써 배열 연산 시 처리 속도가 빨라진다

 

▶ 1. 배열 생성하는 방법

 

import numpy as np

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

 

[1 2 3 4 5]
<class 'numpy.ndarray'>
int32

 

 

▶ 2. Numpy의 random.randn() 메소드를 이용하여 2차원(2행 3열)의 실수형 랜덤 수를 생성

 

import numpy as np

data = np.random.randn(2,3) 

#2행 3열의 실수형 랜덤 수 발생

print(data)

print(data.shape) 

#2행 3열

print(data.dtype) 

#실수형의 데이터형

 

[[ 1.20488336  2.19555102  0.81133548]
 [ 0.11816927  2.15649683 -1.33816876]]
(2, 3)
float64

 

 

▶ 3. np.zeros() 0으로 객체 초기화 하기

 

import numpy as np 

#넘파이 모듈 불러오기

data1 = np.zeros(10) 

#0으로 객체 초기화 하기, 0이 10개 입력됨

print(data1) 

#[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

print(data1.dtype) 

#float64

data2 = np.zeros((2,3)) 

# 2행 3열의 0.0으로 초기화된 64비트 실수형 ndarray 객체를 생성

print(data2)
print(data2.dtype)

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

#0으로 초기화된 32비트 정수형의 ndarray 객체를 생성

print(data3)
print(data3.dtype)

 

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
float64
[[0. 0. 0.]
 [0. 0. 0.]]
float64
[[0 0 0]
 [0 0 0]]
int32

 

 

▶ 4. np.ones() 1로 객체 초기화 하기

 

import numpy as np

data1 = np.ones(8) 

#ndarray 객체를 1로 초기화하여 8개 요소가 모두 1인 ndarray 객체를 생성

print(data1)

data2 = np.ones((3,4) ,dtype=np.int32) 

#3행 4열의 2차원 ndarray 객체의 모든 요소가 1이고

#객체 요소의 데이터 형을 32비트 정수형

print(data2)

 

[1. 1. 1. 1. 1. 1. 1. 1.]
[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]

 

 

▶ 5. arange() 메소드

 

import numpy as np

data = np.arange(10,121,10)

#파이썬의 내장함수인 range()와 사용법 동일

#10에서 121-1까지 (10씩증가)

print(data)

print(data[2])

#data의 인덱스 2인 요소의 값 30

print(data[5:8])
#data의 인덱스 5~`7까지의 요소의 값 [60 70 80]

data[7:10] = 800

#data의 인덱스 7~`9에800`의 값을 저장

print(data)

data2 = data.reshape(2, 6)

#ndarray의 객체 data를 2행 6열로 재구성
print(data2)

 

[ 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]]

 

 

▶ 6. 2차원 배열의 요소 추출

 

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])

# data에서 인덱스가 2인 행과 인덱스가 3인 열에 해당되는 요소의 값 14

print(data[0][1:])

#data에서 인덱스 0인 행에서/ 인덱스 1인 열부터 나머지 열까지의 데이터의 값  [2 3 4 5]

print(data[0])

#data에서 인덱스 0인 행의 데이터의 값 [1 2 3 4 5]

print(data[[1, 2]])

data에서 인덱스 1과 2인 행의 데이터 값

print()

data[1] = 100

#data[1]은 인덱스 1의 행 데이터를 의미하는데 이곳에 100으로 변경

print(data)

data[:] = 200

#data[:]는 data의 모든요소이므로 모든 요소의 데이터를 200으로 변경

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]]

 

 

▶ 7. 배열의 산술 연산

●리스트와 비교했을 때 ndarray의 장점 중 하나는 배열에 대해 산술 연산(+, -, *, /, % 등)이 바로 가능한 점 입니다.

 

import numpy as np

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

b = a*2

#배열a의 모든 요소에 2가 곱해진 값이 b에 저장

print(b)

c = a**2

#배열a의 모든 요소의 제곱값이 ndarray 객체 c에 저장

print(c)

print(a>b)

#배열에 대한 비교 연산은 참(True), 거짓(False)의 불 (Bool) 값을 반환

 

[[ 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]]

 

 

▶ 8. 배열의 통계 메소드

●  Numpy를 이용하여 배열의 합계, 평균, 최댓값, 최솟값 구하기

 

import numpy as np

data = np.array([[80, 78, 90, 93],
                 [65, 87, 88, 75], 
                 [98, 100, 68, 80]])

print(data.sum())

#배열의 모든 요소의 합계를 반환

print(data.mean())

#배열의 모든 요소의 평균 값을 반환

print(data.max())

#배열의 모든 요소의 값 중에서 최댓값을 반환

print(data.min())

#배열의 모든 요소의 값 중에서 최솟값을 반환

print('')

print(data.max(axis=0))

#각 열의 요소 값 중 최댓값을 구해서 얻은 배열을 반환

print(data.max(axis=1))

#각 행의 요소 값 중 최댓값을 구해서 얻은 배열을 반환

print('')

index1 = np.argmax(data, axis=0)

#Numpy의 argmax() 메소드는 열 또는 행 방향으로 최댓값을 갖는 요소의 인덱스를 반환

#즉, data에서 각 열에 대해 요소가 최댓값을 가지는 인덱스 [2 2 0 0]을 반환

 

index2 = np.argmin(data, axis=1)

#Numpy의 argmin() 메소드는 열 또는 행 방향으로 최댓값을 갖는 요소의 인덱스를 반환

#즉, 배열 객체 data에서 각 행에 대해 요소가 최솟값을 가지는 인덱스 [1 0 2]를 반환

 

print(index1, index2)

 

1002
83.5
100
65

[ 98 100  90  93]
[ 93  88 100]

[2 2 0 0] [1 0 2]

 

▶ 9. 배열에 조건식 사용하기

 

import numpy as np

data = np.array([
    [0.823293, 0.292996, -2.59991429, 0.9087267],
    [-0.28825592, 0.3996413, 0.49922846, -0.32000343],
    [1.12672336, -0.51248337, 0.99202783, 0.77582767]
])

# data = np.random.randn(3,4)  의 값을 실습을 위해 정적인 값으로 바꾸었습니다.

print(data)

print(data>0)
#배열의 요소의 값이 양수인 경우 에는 True, 0 또는 음수일 경우에는 False의 요소 값을 가지는 배열을 생성

total = (data <0).sum() 

#음수값요소의 개수의 합

print(total)

data2 = np.where(data>0,1,-1)

#data에서 요소값이 양수인 경우에는 1 출력, 그렇지 않은 경우에는 -1출력의 요소값을 가지는 배열

print(data2)

data3 = np.where(data > 0, 5,data)

#data에서 요소값이 양수인 경우에는 5출력, 그렇지 않을 경우에는 해당 요소의 값을 출력의 요소값을 가지는 배열

print(data3)

 

[[ 0.823293    0.292996   -2.59991429  0.9087267 ]
 [-0.28825592  0.3996413   0.49922846 -0.32000343]
 [ 1.12672336 -0.51248337  0.99202783  0.77582767]]
[[ True  True False  True]
 [False  True  True False]
 [ True False  True  True]]
4
[[ 1  1 -1  1]
 [-1  1  1 -1]
 [ 1 -1  1  1]]
[[ 5.          5.         -2.59991429  5.        ]
 [-0.28825592  5.          5.         -0.32000343]
 [ 5.         -0.51248337  5.          5.        ]]

 

 

▶ 10. 배열의 요소 정렬

 

import numpy as np

data = np.array([[13, 22, 17, 2],
             [-2, 20, 8, 3], 
             [-16, 10, -5, 33]])

data.sort(0)

#각 열을 중심으로 해당 열의 요소들을 오름차순으로 정렬

print(data)
print()

data.sort(1)

# 각 행을 중심으로 해당 행의 요소들을 오름차순으로 정렬

print(data)

 

[[-16  10  -5   2]
 [ -2  20   8   3]
 [ 13  22  17  33]]

[[-16  -5   2  10]
 [ -2   3   8  20]
 [ 13  17  22  33]]

 

 

▶ 10. 배열의 요소 정렬

● 열과 행을 삽입하기

 

import numpy as np

a = np.arange(10)

#0-9까지의 정수 생성

print(a)
print()

b = np.insert(a,3,10)

# Numpy의 insert() 메소드는 ndarray 배열의 열 또는 행에 데이터를 삽입하는 데 사용

#배열 a의 인덱스 3의 요소에 10의 값을 삽입

print(b)
print()

x = np.array([[1, 1, 1], [2, 2, 2], [3, 3, 3]])
print(x)
print()

y = np.insert(x, 1, 10, axis=0)

#배열 x의 열방향으로 인덱스 1의 요소에 모든 요소 값이 10인 행을 하나 삽입

print(y)
print()

y = np.insert(x, 1, 10, axis=1)

#배열 x의 행방향으로 인덱스 1의 요소에 모든 요소 값이 10인 행을 하나 삽입

print(y)

 

[0 1 2 3 4 5 6 7 8 9]

[ 0  1  2 10  3  4  5  6  7  8  9]

[[1 1 1]
 [2 2 2]
 [3 3 3]]

[[ 1  1  1]
 [10 10 10]
 [ 2  2  2]
 [ 3  3  3]]

[[ 1 10  1  1]
 [ 2 10  2  2]
 [ 3 10  3  3]]

 

 

 

 

 

 

 

 

출처: 예제 중심 파이썬 입문

궁금한 부분이 있으면 댓글 부탁드립니다^^