데이터 분석을 위한 첫걸음,Numpy
넘파이란 Numeric python package의 약어이다.
기존 List 타입에 비해 다차원 배열을 다루기 편리하며, 효율이 좋다.
사진, 영상, 음성 등 대부분의 자료는 디지털 변환시 다차원 배열로 표현된다는 점에서, 넘파이는 데이터 분석에 강점을 가진다.
import numpy as np
다음과 같이 선언하여 사용한다.
보통 numpy는 np라는 alias로 사용하는것이 관례이다.
< 넘파이 배열 -이하 ndarray- 의 생성 >
- np.arange(정수) # range와 동일
- np.array(직접 입력)
import numpy as np
a = np.arange(10)
print("a 는",a)
print(type(a),"\n")
b = np.array(['a','b','c'])
print("b 는",b)
print(type(b),"\n")
< ndarray 요소 추가 >
np.append(생성된 ndarray, 값 or 다른 ndarray)
a = np.arange(6)
print("a 는",a)
print(type(a),"\n")
b = np.array([6,7,8,9])
print("b 는",b)
print(type(b),"\n")
c = np.append(a,b)
print("c는",c)
print(type(c),'\n')
d = np.append(a,111)
print("d는",d)
print(type(d))
< ndarray 요소 삭제 >
np.delete (ndarray , index , axis )
axis가 0 - 행 삭제 , 1- 열 삭제
import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
print(a)
a2 = np.arange(10)
print(a2)
print(a.ndim , a2.ndim,'\n') # 각각 2차원 , 1차원
br= np.delete(a,2,0) # 2번 인덱스 행 삭제
print(br,'\n')
bc = np.delete(a,0,1) # 0번 인덱스 열 삭제
print(bc,'\n')
b2 = np.delete(a2,3) # 3번 인덱스 요소 삭제
print(b2)
< ndarray 요소 수정 >
arr[행][열] = 변경하고 싶은 값
import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
print(a)
a [0][1] = 777
print(a)
< ndarray 간 연산 >
같은 shape의 ndarray 끼리는 사칙연산이 가능하다.
import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
print(a,'\n')
b = np.ones((3,2)) # 모든 요소가 1인 3*2 배열
print(b,'\n')
b2 = np.zeros((3,2)) # 모든 요소가 0인 3*2 배열
print(b2,'\n')
c = a-b
print(c,'\n')
c2 = a*b2
print(c2,'\n')
c3 = a*3 # 값만 입력해줘도 알아서 곱해짐
print(c3) 
=====================
참조 및 환경
Hope that fully-automated society comes true