본 블로그 글은 박동민·강영민 저자님의 으뜸파이썬 교재를 참고하여 만들어진 글임을 밝힙니다.

넘파이 (Numpy)

• 파이썬에서 과학 계산을 위한 대표적인 라이브러리이다.
• 다차원 배열 객체인 ndarray를 제공하며, 이를 기반으로 다양한 수학, 통계, 선형대수 연산을 효율적으로 수행할 수 있도록 설계되어있다.
• 주로 대규모 데이터 처리와 배열 연산(내부적으로 C로 구현되어 있기 때문)을 빠르게 수행해야 하는 경우에 사용된다.
• pandas, matplotlib, skit-learn, tensorflow, pytorch 등 numpy 배열 기반으로 동작

실습

라이브러리 설치

pip install numpy

ndarray 생성 및 사용

• ndarray 속성 목록

  속성	설명	반환값 예시
  ndarray.ndim	배열의 차원(랭크)을 반환함. 1차원, 2차원 등 배열의 구조를 나타냄	1 (1차원 배열), 2 (2차원 배열)
  ndarray.shape	배열의 크기를 튜플로 반환함. 각 차원의 크기를 나타냄	(3, 4) (3행 4열의 2차원 배열)
  ndarray.size	배열의 총 원소 개수를 반환함,  shape의 모든 값을 곱한 값과 동일	12 (총 원소 개수: 3 × 4)
  ndarray.dtype	배열 원소의 데이터 타입을 반환함	int32, float64, bool 등
  ndarray.itemsize	배열의 각 원소가 차지하는 메모리 크기(바이트 단위)	4 (int32), 8 (float64)
  ndarray.nbytes	배열 전체가 차지하는 메모리 크기(바이트 단위). size * itemsize와 같음	48 (3×4 배열, 원소당 4바이트)
  ndarray.T	배열의 전치(transpose) 결과를 반환함, 행과 열을 바꿈	[[1, 3], [2, 4]] (전치 행렬)
  ndarray.flat	배열의 원소를 1차원으로 펼쳐 반환하는 이터레이터(iterator)	[1, 2, 3, 4] (1차원 형태)
  ndarray.real	배열의 실수(real) 부분만 반환함, 복소수 배열에서 유용함	[1.0, 2.0] (실수만 출력)
  ndarray.imag	배열의 허수(imaginary) 부분만 반환함	[0.0, 1.0] (허수부 출력)

import numpy as np

a = np.array([1,2,3]) # 벡터 생성
print(a) # array([1, 2, 3])
print(a.shape) # (3,)
print(a.ndim) # 1
print(a.dtype) # dtype('int32')
print(a.itemsize) # 4
print(a.size) # 3

• np.array(object, dtype)
  • ndarray 생성 시 반드시, 리스트와 튜플 같은 시퀸스 자료값을 넘겨 줘야한다.
  • dtype의 값으로 배열 원소의 데이터 타입을 명시적으로 지정이 가능하다.

벡터와 행렬 연산

• vectorization 연산 : 원소끼리의 연산이 이루어지는 것
  • 배열의 크기가 같아야 하며, 동일한 위치의 원소끼리 계산
  • 연산: 덧셈(+), 뺄셈(-), 곱셈(*), 나눗셈(/) 등
• broadcasting 연산 : 모든 원소에 대해 같은 연산을 적용
  • 배열의 크기가 다를 때도 연산이 가능하도록 작은 배열을 자동으로 확장
  • 작은 배열의 크기를 큰 배열의 크기에 맞춰 자동 확장하여 연산
• Matrix Multiplication 연산 : 첫 번째 행렬의 행(row)과 두 번째 행렬의 열(column) 간의 내적(dot product)을 계산하여 새로운 행렬을 생성하는 연산
  • @ 연산자 또는 np.matmul() 사용

# vectorization 연산 예시
import numpy as np

math_score = np.array([80, 73, 20, 100])
english_score = np.array([40, 33, 30, 60])
total_score = math_score + english_score
avg_score = total_score / 2

print(total_score) # [120 106  50 160]
print(avg_score) # [60. 53. 25. 80.]

# broadcasting 연산 예시 : 배열과 스칼라 간 연산
arr = np.array([1, 2, 3, 4])
result = arr + 10  # 모든 원소에 10을 더함

print("Broadcasting Result:", result)  # [11 12 13 14]

# 행렬 곱
A = np.array([[1, 2], [3, 4]])  # 2x2 행렬
B = np.array([[5, 6], [7, 8]])  # 2x2 행렬

result = A @ B  # 또는 np.matmul(A, B)

print("Matrix Multiplication Result:\n", result)
# [[19 22]
#  [43 50]]

ndarray 메소드

• min() : 최솟값 반환
• max() : 최댓값 반환
• mean() : 평균값 반환
• sum() : 특정 축을 따라 배열의 원소합을 계산

min, max, mean, sum 등의 경우 축을 기준으로 연산이 가능

• axis = 0 : 열 방향으로 값들로 계산
• axis = 1 : 행 방향으로 값들로 계산
• flatten() : 행렬을 1차원 배열로 평탄화

numpy 함수

• np.append() : 기존 배열에 새로운 원소를 추가하여 새로운 배열을 반환
  • axis=None (기본값) :배열을 1차원으로 평탄화(flatten)한 후 값 추가
  • axis=0 : 열 방향으로 값 추가
  • axis=1 : 행 방향으로 값 추가

주의: axis를 지정하면 추가할 값의 차원이 기존 배열과 일치해야 함

• np.linspace() : 지정된 구간에서 등간격의 숫자를 생성하여 배열로 반환
• np.arange() : 주어진 범위 내에서 등차수열을 생성하여 배열로 반환
  • range()와 동일하지만, step에 실수를 사용할 수 있다.
• np.reshape() : 배열의 형태(shape)를 변경하여 새로운 배열을 반환
  • 원본 배열의 데이터는 그대로 유지되며, 새로운 형태로 재배치
  • 주어진 차원 크기의 곱은 원본 배열의 원소 개수와 일치해야 함
• np.transpose() : 전치 행렬을 만든다.
• np.insert() : 지정한 위치에 값을 삽입하여 새로운 배열을 반환
  • np.insert(arr, obj, values, axis=None) 형태

    | **매개변수** | **설명** |
    | --- | --- |
    | **`arr`** | 원본 배열 |
    | **`obj`** | 값을 삽입할 위치 (인덱스 또는 인덱스의 리스트) |
    | **`values`** | 삽입할 값 (스칼라, 리스트 또는 배열) |
    | **`axis`** | 삽입할 축.  **`None`**이면 배열을 평탄화한 후 삽입. 기본값은 **`None`** |

random 모듈

• random.rand() : 0과 1 사이의 균등분포(Uniform Distribution)를 따르는 난수를 생성
  • 주어진 형태(차원)의 배열에 난수를 생성하여 반환
  • random.random()과 기능적으로는 동일
• random.randn() : 평균이 0이고 표준편차가 1인 정규분포(Normal Distribution)를 따르는 난수를 생성

  구분	random.random	random.rand
  난수 생성 범위	[0, 1)	[0, 1)
  차원 지정 방식	size=(dim1, dim2, ...)로 지정	차원을 위치 인수로 직접 지정
  스칼라 생성	size=None	인수 없이 호출
  다차원 배열 생성 방식	명시적으로 size 인수에 튜플 전달	위치 인수로 차원을 전달

• random.randint() : start와 end-1 사이에 해당하는 size 개수만큼 생성

다양한 ndarray 행렬 생성

• np.zeros((n, m)) : 초기값을 0으로하는 n x m 배열 생성
• np.ones((n, m)) : 초기값을 1로 하는 n×m 배열 생성
• np.full((n, m), x) : 초기값을 x로 하는 n×m 배열 생성
• np.eye(n) : 초기값을 단위 행렬로 하는 n×n 배열 생성 (identity matrix)

(참고) 헷갈리는 행, 열 표현 정리

• 데이터 분석과 배열 연산에서 "행", "열", "가로", "세로" 등의 용어는 자주 사용되지만, 서로 혼용되거나 문맥에 따라 달리 사용될 수 있어 혼란을 줄 수 있다.
• 아래는 NumPy 배열에서 차원이 증가함에 따라 축(Axis)과 방향을 정리한 표이다.

  차원	축 번호 (Axis)	설명	방향 정의
  1차원	axis=0	배열의 유일한 축	가로 (왼쪽 → 오른쪽)
  2차원	axis=0	배열의 행(row)이 늘어나는 방향	세로 (위 → 아래)
  	axis=1	배열의 열(column)이 늘어나는 방향	가로 (왼쪽 → 오른쪽)
  3차원	axis=0	배열의 깊이(depth)가 늘어나는 방향	층 방향 (앞 → 뒤)
  	axis=1	배열의 행(row)이 늘어나는 방향	세로 (위 → 아래)
  	axis=2	배열의 열(column)이 늘어나는 방향	가로 (왼쪽 → 오른쪽)
  4차원	axis=0	배치(batch)가 늘어나는 방향	배치 방향 (가장 바깥쪽)
  	axis=1	채널(channel)이 늘어나는 방향	깊이 (앞 → 뒤)
  	axis=2	행(row)이 늘어나는 방향	세로 (위 → 아래)
  	axis=3	열(column)이 늘어나는 방향	가로 (왼쪽 → 오른쪽)