파이썬: NumPy 기본1 - 배열 생성/처리

NumPy 라이브러리

라이브러리란?

• 복잡한 연산이나 로직 등을 포함한 기능들을 편리하게 쓸 수 있도록 모듈화한 것을 의미한다.

• 파이썬에서도 데이터 형식이나 목적에 맞는 다양한 기능을 제공하는 라이브러리들을 사용할 수 있다.

NumPy

• 배열(array) 형식의 자료를 바탕으로 수학/과학 연산을 하기 위한 기능을 제공하는 파이썬 라이브러리
• 수치해석/통계 등에서 기초적으로 정말 많이 쓰이기에, 관행적으로 ‘np’로 호출한다.

import numpy as np

NumPy의 기능

• NumPy 등 라이브러리엔 정말 다양한 함수들이 존재한다.

• 따라서 함수 이름을 일일히 외우기 보다는 어떤 기능을 수행하는 함수가 있었는지 기억해두는 편이 낫다.

• 그렇기 때문에 앞으로 모든 함수 설명은 (1) 기능 (2) 이름의 순서로 설명할 것

1. ndarray(n-Dimentional array) 생성

ndarray란?

• NumPy에서 각종 연산에 활용되는 N차원 배열 객체
• 기존 파이썬의 list와 달리, 오직 같은 종류의 데이터만을 배열에 담을 수 있음에 주의
• 편리하게 ‘배열’ or ‘넘파이배열’이라고 부르도록 함

일반적인 배열의 생성

• 시퀀스 데이터로 배열 생성: np.array(시퀀스데이터) / 시퀀스데이터란?: tuple, list, …
• 범위를 지정하여 배열 생성: np.arange(시작값, 끝값, 간격)

arr = np.array([1,2,3,4])
arr2 = np.arange(10)
arr3 = np.arange(0, 10, 3)

print(arr)
print(arr2)
print(arr3)

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

배열의 속성 확인(ndarray.함수)

• 배열의 차수: ndarray.ndim
• 배열의 모양 반환(by tuple): ndarray.shape
• 배열의 크기 반환: ndarray.size
• 배열에 담긴 요소 타입 반환: ndarray.dtype
• 배열에 담긴 요소 데이터 크기 반환 (ex. int32 → 4): ndarray.itemsize

arr = np.array([[1,2,3], [4,5,6]])
print(arr)
print(arr.ndim)
print(arr.shape)
print(arr.size)
print(arr.dtype)
print(arr.itemsize)

[[1 2 3]
 [4 5 6]]
2
(2, 3)
6
int32
4

특수한 배열 생성

• 특정 구간을 균등간격으로 나눈 배열 생성: np.linspace(시작값, 끝값, 구간갯수)

arr = np.linspace(1, 10, 4) # 1~10을 4개 구간으로 쪼갬
print(arr)

[ 1.  4.  7. 10.]

• 모든 값이 0인 mxn 배열 생성: np.zeros((m,n), dtype=np.원하는타입)

a = np.zeros((3,4)) # dtypr 설정 안해주면 기본값 float64
print(a)
print(a.dtype)

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

• 모든 값이 1인 mxn 배열 생성: np.ones((m,n), dtype=np.원하는타입)

a = np.ones((3,4), dtype=np.int16)
a

array([[1, 1, 1, 1],
       [1, 1, 1, 1],
       [1, 1, 1, 1]], dtype=int16)

• 특정 값으로 채워진 배열 생성: np.full((shape), 값, dtype)

np.full((2,3), 10, dtype=np.int32)

array([[10, 10, 10],
       [10, 10, 10]])

• 단위행렬 형태의 nxn 배열 생성: np.eye(n)
  • 영상필터를 생성할 때 많이 사용되는 기능이다.

np.eye(4)

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

• cf. 정사각행렬이 아니더라도 np.eye(m,n,k)를 이용해 대각선으로 1인 배열을 만들 수 있다.
  • 이 때, k는 shift option(양수: 오른쪽 이동, 음수: 왼쪽 이동)

np.eye(3,5, k=2) # 오른쪽으로 2만큼 shift하여 1값 배정

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

• 난수로 이루어진 배열 생성
  • 0과 1사이의 난수: np.random.rand((shape))
  • 평균0, 표준편차1의 Gaussian distribution 난수: np.random.randn((shape))
  • 정수 난수: np.random.randint(시작값, 끝값, size = (shape))

a = np.random.rand(2,3)	# 0~1 사이의 난수
b = np.random.randn(3,2) # N(0,1) 난수
c = np.random.randint(2, 10, size=(3,4)) # 2~10 사이의 정수 난수

[[0.64323648 0.73971106 0.2373359 ]
 [0.12279048 0.83797203 0.48657621]]
[[ 1.87872525  1.84894482]
 [ 0.37522066  0.4410081 ]
 [-0.34581273  2.00968271]]
[[2 8 3 8]
 [8 6 2 2]
 [8 5 9 3]]

• 초기화되지 않은 값들로 이루어진 배열 생성: np.empty()
  • 주의! 초기화되지 않은 값들이란 0을 의미하는 것이 아니다. (물론 0만 나올 수도 있다.)
  • .zeros 와는 엄연히 다르며, 그것보다 실행속도가 약간 더 빠를 수 있다.

np.empty([2,2], dtype=int)

array([[-1073741821, -1067949133],
       [  496041986,    19249760]]

2. 배열 처리 함수(배열 정렬, 결합, 모양변경)

• 정렬: np.sort(ndarray)

a = np.array([6,3,8,5,1,9,2])
np.sort(a)

array([1, 2, 3, 5, 6, 8, 9])

• 결합
  • 가로로 결합: np.vstack(ndarray)
  • 세로로 결합: np.hstack(ndarray)

a = np.zeros((3,3), dtype=np.int32)
b = np.ones((3,3), dtype=np.int32)
c = np.vstack((a,b))
d = np.hstack((a,b))
print(c)
print(d)

# vstack
[[0 0 0]
 [0 0 0]
 [0 0 0]
 [1 1 1]
 [1 1 1]
 [1 1 1]]

# hstack
[[0 0 0 1 1 1]
 [0 0 0 1 1 1]
 [0 0 0 1 1 1]]

• 배열의 모양을 mxn으로 변경: ndarray.reshape(m,n)

arr = np.arange(12).reshape(3,4) 
print(arr)

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]