728x90
반응형
Numpy는 C로 구현된 파이썬 라이브러리로써, 고성능의 수치계산을 위해 제작되었다.
Numerical Python의 줄임말이기도 한 Numpy는 벡터 및 행렬 연산에 있어서 매우 편리한 기능을 제공한다.
또한 이는 데이터분석을 할 때 사용되는 라이브러리인 pandas와 matplotlib의 기반으로 사용한다.
(참고로, pandas는 numpy를 기반으로 만들어진 라이브러리라고 한다.)
numpy에서는 기본적으로 array라는 단위로 데이터를 관리하며 이에 대해 연산을 수행한다.
Numpy
- 데이터는 행열로 표현
- 행열 데이터 빠르게 계산을 해야함
- 행열 데이터 생성, 수정, 계산 등을 빠르게 처리해주는 패키지
- 특징
- C, C++, 포트란로 작성
- 선형대수학을 빠르게 연산
- 스칼라, 벡터, 매트릭스
[ 목차 ]
1. 행렬 데이터 생성
2. 2차원 행렬 생성
3. 행렬의 모양(shape) 변경하기
4. 행렬 데이터의 선택
1. 행렬 데이터 생성
※ ndarray : 한가지 데이터 타입만 값으로 사용이 가능(int, string 등 데이터 타입 혼용 불가능)
import numpy as np
array = np.array([1,2,3])
print(type(array), array)
# 출력결과
<class 'numpy.ndarray'> [1 2 3]
2. 2차원 행렬 생성
array2 = np.array(
[[1, 2, 3],
[4, 5, 6]],
)
print(array2, array2.ndim, array2.shape)
# 출력결과
[[1 2 3]
[4 5 6]] 2 (2, 3)
3. 행렬의 모양(shape) 변경하기
print(array2.reshape(3,2))
print()
print(array2.reshape(2,3))
print()
print(array2.reshape(6))
# 출력결과
[[1 2]
[3 4]
[5 6]]
[[1 2 3]
[4 5 6]]
[1 2 3 4 5 6]
4. 행렬 데이터의 선택 : offset index : masking
print(array2[0])
print()
print(array2[1])
# 출력결과
[1 2 3]
[4 5 6]
###################################
print(array2[1][2]) # array2[1, 2]과도 동일한 출력결과를 얻을 수 있다.
print()
print(array2[1][:2])
print()
print(array2[1][::-1])
print()
print(array2[1, 2]) # array2[1][2]과 동일한 출력결과
# 출력결과
6
[4 5]
[6 5 4]
6
######################################
728x90
반응형
'Study > FastCampus' 카테고리의 다른 글
[Numpy] 행렬 데이터의 결합 (0) | 2021.06.23 |
---|---|
[Numpy] Numpy 행렬값 치환하기 (0) | 2021.06.23 |
[python] map(), filter(), reduce() 구현 (0) | 2021.05.17 |
[python] Decolator - ① (0) | 2021.05.06 |
[python] Map(), Filter(), reduce() (0) | 2021.05.04 |