Python - numpy 01 (ndarray란?)

2 분 소요

numpy(넘파이)란?

Numerical Python입니다. 수를 다루기 위한 파이썬 패키지로 예상 할 수 있겠네요. 맞습니다. 수 중에서도 다차원 배열를 쉽고(?) 효율적으로 다루기 위한 패키지 입니다.

numpy는 아래와 같이 특징이 있습니다.

python의 List에 비해 빠르고, 메모리를 효율적으로 사용합니다.
- (C언어로 구현되어 생성 시에 물리적으로 연속적인 메모리에 생성됩니다.)
반복문 없이 데이터 배열을 처리하여 빠르고 편리합니다.
- 선형대수와 관련된 다양한 기능을 제공합니다.

음~~ 특징을 보다가 다른 곳으로 이동 하시겠네요. 우선 numpy를 사용해 보겠습니다. 그게 numpy를 이해 하는 가장 빠른 방법이라고 생각합니다.

설치

pip install numpy

설치는 pip를 이용하여 설치합니다. 간단하네요.

ndarray란?

ndarray는 numpy의 기본 데이터 타입입니다. ndarray는 n-dimensional array의 약자입니다. 다차원 배열을 의미합니다. numpy의 기본 데이터 타입이라고 했는데, numpy의 모든 데이터 타입은 ndarray를 기반으로 만들어 집니다.

ndarray를 만들어 보겠습니다.

import numpy as np

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

import numpy as np: numpy를 np라는 이름으로 import 합니다. 관례적으로 np라는 이름을 사용합니다.
np.array([1, 2, 3]): numpy의 array 함수를 사용하여 ndarray를 생성합니다.
print(type(arr)): arr의 타입을 출력합니다.
print(arr): arr의 값을 출력합니다.

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

type(arr): arr의 타입은 numpy의 ndarray 입니다.
arr: arr의 값은 [1 2 3] 입니다.

2차원 배열

2차원 배열을 만들어 보겠습니다.

import numpy as np

dim2_list = [[1, 2, 3], [4, 5, 6]]

arr = np.array(dim2_list)
print(type(arr))
print(arr)

dim2_list = [[1, 2, 3], [4, 5, 6]]: 2차원 list를 생성합니다.
np.array(dim2_list): numpy의 array 함수를 사용하여 ndarray를 생성합니다.

<class 'numpy.ndarray'>
[[1 2 3]
 [4 5 6]]

3차원 배열

3차원 배열을 만들어 보겠습니다.

import numpy as np

dim3_list = [[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]

arr = np.array(dim3_list)
print(type(arr))
print(arr)

<class 'numpy.ndarray'>
[[[ 1  2  3]
  [ 4  5  6]]

 [[ 7  8  9]
  [10 11 12]]]

ndarray 차원과 모양보기

ndarray은 다차원 배열이라고 하였습니다. 차원과 모양이 중요합니다. 제 생각에는 특히 모양이 중요합니다. 머신러닝에서도 데이터의 모양을 잘 이해 해야 합니다. 지금은 그저 가볍게 알아보겠습니다.

ndim(차원)

import numpy as np

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

arr.ndim: arr의 차원을 확인합니다.

arr.ndim: arr의 차원은 1차원 입니다.

shape(모양)

import numpy as np

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

arr.shape: arr의 모양을 확인합니다.

(3,)

arr.shape: arr의 모양은 (3,) 입니다.

2차원 배열의 차원과 모양

import numpy as np

dim2_list = [[1, 2, 3], [4, 5, 6]]

arr = np.array(dim2_list)
print(arr.ndim)
print(arr.shape)

2
(2, 3)

arr.ndim: arr의 차원은 2차원 입니다.
arr.shape: arr의 모양은 (2, 3) 입니다.
2차원 배열의 모양은 (행, 열) 입니다.

3차원 배열의 차원과 모양

import numpy as np

dim3_list = [[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]

arr = np.array(dim3_list)
print(arr.ndim)
print(arr.shape)

3
(2, 2, 3)

arr.ndim: arr의 차원은 3차원 입니다.
arr.shape: arr의 모양은 (2, 2, 3) 입니다.
3차원 배열의 모양은 (면, 행, 열) 입니다.

ndarray의 데이터 타입

ndarray의 데이터 타입을 확인해 보겠습니다.

import numpy as np

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

arr.dtype: arr의 데이터 타입을 확인합니다.

int32

arr.dtype: arr의 데이터 타입은 int32 입니다.

float 타입

import numpy as np

arr = np.array([1.0, 2.0, 3.0])
print(arr.dtype)

float64

데이터 타입을 지정하여 생성

import numpy as np

arr = np.array([1, 2, 3], dtype='float64')
print(arr.dtype)

dtype='float64': dtype 파라미터를 사용하여 데이터 타입을 지정할 수 있습니다.

float64

‘astype’으로 데이터 타입 변경

import numpy as np

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

arr = arr.astype('float64')
print(arr.dtype)

arr.astype('float64'): astype 함수를 사용하여 데이터 타입을 변경할 수 있습니다.

int32
float64

처음 생성된 arr의 데이터 타입은 int32 이며 astype 함수를 사용하여 변경된 arr의 데이터 타입은 float64 입니다.

그 외 데이터 타입과 관련된 내용

ndarray는 같은 데이터 타입의 데이터만 저장할 수 있습니다. 예를 들어 int32와 float64는 같은 ndarray에 저장할 수 없습니다.
ndarray의 데이터 타입은 int, float, str, bool, object 등이 있습니다. 주로 int, float을 사용합니다.

해시태그: #python #numpy #ndarray #data_analysis

Twitter Facebook LinkedIn

JBSH