Numpy

1. Numpy(넘파이)?

Numerical Python의 약자로 파이썬의 고성능 과학 계산용 패키지이다.
Matrix와 Vector와 같은 Array 연산의 사실상의 표준이다.
데이터 수식을 표현

• Numpy 특징
  일반 List에 비해 빠르고 메모리 효율적
  반복문 없이 데이터 배열에 대한 처리 지원
  선형대수와 관련된 다양한 기능 제공
  C, C++ 등의 언어와 통합 가능

2. ndarray

• import
  numpy의 호출 방법

  import numpy as np

• Array creation
  데이터 타입을 알아보기 위한 type(), dtype

  test_array = np.array([1,4,5,8],float)
  print(test_array)
  type(test_array[3])
  # value: numpy.float64
  
  test_array.dtype
  # value: dtype('float64')
  
  test_array.shape
  # value: (4,)

  shape : numpy array의 object의 dimennsion 구성을 반환
  dtype : numpy array의 데이터 type 반환

• Array shape
  Array(vector, matrix, tensor)의 크기, 형태 등에 대한 정보
  1) vector

  test_array = np.array([1,4,5,"8"],float)
  print(test_array)
  # value: array([1., 4., 5., 8.])

  2) matrix

  matrix = [[1,2,5,8],[1,2,5,8],[1,2,5,8]]
  np.array(matrix,int).shape
  # value: (3, 4)

  3) 3rd order tensor
  이미지 처리에 사용
  젤 앞에 있는 것이 tensor의 깊이
  row가 맨 뒤로 밀려진다.

  tensor = [[[1,2,5,8],[1,2,5,8],[1,2,5,8]],
     	  [[1,2,5,8],[1,2,5,8],[1,2,5,8]],
            [[1,2,5,8],[1,2,5,8],[1,2,5,8]],
            [[1,2,5,8],[1,2,5,8],[1,2,5,8]]]
  np.array(tensor, int).shape
  # value: (4,3,4)

  4) ndim & size
  ndim : number of dimension = 텐서의 크기 = attribute와 유사
  size : data의 개수

  tensor = [[[1,2,5,8],[1,2,5,8],[1,2,5,8]],
            [[1,2,5,8],[1,2,5,8],[1,2,5,8]],
            [[1,2,5,8],[1,2,5,8],[1,2,5,8]],
            [[1,2,5,8],[1,2,5,8],[1,2,5,8]]]
  np.array(tensor, int).ndim
  # value: 3
  
  np.array(tensor, int).size
  # value: 48

3. Handling shape

• reshape
  dimension이 다차원일 때 vector형태로 펴야 하는 경우 사용
  number of data의 개수만 맞추면 된다.
  

  test_matrix = [[1,2,3,4],[1,2,5,8]]
  np.array(test_matrix).shape
  # value: (2, 4)
  
  np.array(test_matrix).reshape(8,)
  # value: ([1,,2,3,4,1,2,5,8])

  Array의 size만 같다면 다차원으로 자유로이 변형가능하다.

  np.array(test_matrix).reshape(2,4).shape
  # value: (2, 4)
  np.array(test_matrix).reshape(-1,2).shape
  # value: (4, 2)
  # -1: size를 기반으로 row 개수 선정

• flatten
  다차원 array를 1차원 array로 변환

  test_matrix = [[[1,2,5,8],[1,2,5,8]],[[1,2,5,8],[1,2,5,8]]]
  np.array(test_matrix).flatten()
  # value: array([1,2,3,4,1,2,5,8,1,2,3,4,1,2,5,8])

  

4. Indexing & slicing

• indexing
  print(a[0,0]) = print(a[0][0]) 같은 결과가 나온다.

• slicing
  for문 사용하지 않고 원하는 부분을 추출 가능
  a[:, 2:] : row는 전체, column은 2열 이상
  a[1,1:3] : row는 1행, column은 1~2열까지
  

5. Creation Function

• arange
  array의 범위를 지정하여 값의 list를 생성

  np.arrange(30)
  # value: array([0,1,2,3, ..., 27,28,29)]

• ones, zeros
  1) zeros(0)으로 가득찬 ndarray 생성

  np.zeros(shape=10,), dtype=np.int8)
  # value: array([0,0,0,0,0,0,0,0,0,0,], dtype=int8)
  # 10-zero vector 생성

  2) ones(1)로 가득찬 ndarray 생성

  np.ones((2,5))
  # value: array([[1., 1., 1., 1., 1.],
  #            [1., 1., 1., 1., 1., 1.,]])

• identity
  단위 행렬(i 행렬)을 생성함

  np.identity(n=3, dtype=np.int8)
  # value: array([[1,0,0],
  #		[0,1,0],
  #		[0,0,1]], dtype=int8)

6. operation fnctions

• sum
  ndarray의 element들 간의 합

  test_array = np.range(11)
  test_array.sum(dtype=np.float)
  # value: 55.0

• axis
  모든 operation function을 실행할 때 기준이 되는 dimension 축
  

  test_array = np.arrange(1,13).reshape(3,4)
  print(test_array)
  # value: ([[1,2,3,4],
  #	[5,6,7,8],
  #       [9,10,11,12]])
  
  test_array.sum(axis=1), test_array.sum(axis=0)
  # value: (array([10,26,42]), array([15,18,21,24]))

  

• concatenate
  Numpy array를 합치는 함수
  
  

7. array operations

Numpy는 array간 기본적인 사칙 연산을 지원
같은 위치에 있는 element끼리 연산.

• transpose

  test_a = np.arange(1,7).reshape(2,3)
  print(test_a)
  # value: array([[1,2,3],
  #		[4,5,6]])

• broadcasting
  shape이 다른 배열 간 연산을 지원하는 기능
  

  test_matrix = np.array([[1,2,3],[4,5,6]],float)
  scalar = 3
  test_matrix + scalar
  # Matrix - Scalar 덧셈
  # vallue: array([[4., 5., 6.,
  #		7., 8., 9]])

  vector-matrix 간의 연산도 지원

8. Comparison

• All & Any
  Array의 데이터 전부(and) 또는 일부(or)가 조건에 만족 여부를 반환

  a = np.arange(10)
  np.any(a>5), np.any(a<0)
  # value: (True, False)
  
  np.all(a>5), np.all(a<10)
  # value: (False, True)

• np.where

  a = np.array([1,3,0], float)
  np.where(a>0, 3, 2)
  # value: array([3,3,2])

  ✔ a>0이 true이면 앞에 3반환, false이면 뒤에 2반환

  a=np.arange(10)
  np.where(a>5)
  # value: array([6,7,8,9]),)

• argmax& argmin
  최대값 최소값 찾을때 많이 사용
  최대값 최소값의 index가 반환된다.

  a = np.array([1,2,3,4,5,6,7,8,9])
  np.argmax(a), np.argmin(a)
  #value: (8, 0)

9. boolean & fancy index

• boolean index
  

• fancy index
  numpy는 array를 index value로 사용해서 값을 추출

  a = np.array([2,4,6,8],float)
  b = np.array([0,0,1,3,2,1], int)
  print(a.take(b)) 
  #value : array([2., 2., 4., 8., 6., 4.])
  # a[b] = a.take(b)

  a : array의 element
  b : array의 index