데이터의 대부분은 숫자 배열
반복문 없이 배열 처리 가능 + 빠른 연산을 지원하고 메모리 효율적 사용 가능
빅데이터 분석 등에 널리쓰이는 매우 강력한 라이브러리
list vs NumPy
, 로 구분되는 값들은 list
공백으로 구분되는 값들은 배열
NumPy
#_0부터 4까지 연ㅇ속적인 숫자가 들어있는 배열을 만들어 보자!
import numpy as np
array = np.array(range(5))
print(array) #_[0 1 2 3 4]
list : [여러 데이터 가능]
NumPy : [단일 데이터만 가능]
import numpy as np
print("1차원 array")
array = np.array(range(10))
print(array)
# 1. array의 자료형을 출력해보세요.
print(type(array))
# 2. array의 차원을 출력해보세요.
print(array.ndim)
# 3. array의 모양을 출력해보세요.
print(array.shape)
# 4. array의 크기를 출력해보세요.
print(array.size)
# 5. array의 dtype(data type)을 출력해보세요.
print(array.dtype)
# 6. array의 인덱스 5의 요소를 출력해보세요.
print(array[5])
# 7. array의 인덱스 3의 요소부터 인덱스 5 요소까지 출력해보세요.
print(array[3:6])
x = np.arange(7)
print(x) #_[0 1 2 3 4 5 6]
print(x[3]) #_3
x[0] = 10
print(x) #_[10 1 2 3 4 5 6]
x = np.arange(1, 13, 1(이거는 step이야))
x.shape = 3, 4
print(x)
# [[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
print(x[2, 3]) # 12
x = np.arange(7)
print(x[1:4]) # [1 2 3]
print(x[1:]) # [1 2 3 4 5 6]
print(x[:4]) # [0 1 2 3]
print(x[::2]) # [0 2 4 6] 처음부터 끝까지 2의 간격으로 불러와라는 뜻
x = np.arnage(1, 13 ,1)
x.shpae = 3, 4
print(x[1:2, :2:3]) # [[5]]
print(x[1: , :2]) #
x = np.arange(7)
print(x < 3) # [ T T T F F F F ]
print(x[x < 3]) # [0 1 2]
print(x[x % 2 == 0]) # [0 2 4 6]
x = np.arange(7)
print(x[[1, 3, 5]] # [1 3 5]
x = n[.arange(1, 13 ,1).reshape(3, 4)
print(x[[0, 2]]
#