[우리FISA 5기] AI엔지니어링 2주차 - 008일차

이정환·2025년 7월 13일

AI엔지니어링 K-디지털트레이닝 글로벌소프트웨어캠퍼스 우리FIS아카데미 우리fisa 우리에프아이에스

우리FISA

목록 보기

6/12

008일차 - NumPy

NumPy란?

🔗Numpy: The Foundation of Data Science and AI

Numeric Python의 줄임말으로 선형 대수 연산을 지원하는 라이브러리이다.
내부적으로 C언어로 구현되어 있어 빠르며, 벡터화가 가능하다.
위의 장점으로 많은 라이브러리에서 연산을 위해 사용한다.
Python 리스트 자료형과 다르게 모든 원소의 자료형이 일치해야 한다.

기본 함수 정리

import numpy as np

arr = np.array(List)        # -> numpy.ndarray 객체 반환
np.arange(start, end, step) # float 인자도 가능
np.append(arr, item) # np.ndarray 원소 추가, inplace X

# >>>>> 사이즈 관련
arr.itemsize # 한 원소가 차지하는 byte 사이즈
arr.dtype    # 자료형
arr.ndim     # 차원
arr.size     # 원소의 전체 개수
arr.shape    # ndarray의 구조, (5,) - 튜플 형식으로 반환
arr.strides  # 각 차원에 접근하기 위해 이동해야 하는 byte 크기
# <<<<< 사이즈 관련

# >>>>> 통계량
arr.mean() # 평균
np.average(arr, axis=0, weights=[float...]) # 가중평균 가능
np.median(arr) # 중앙값
arr.var()  # 분산
arr.std()  # 표준편차
# <<<<< 통계량
import statistics as st
st.mode(arr) # 최빈값은 다른 라이브러리 이용

arr.T        # Transpose

arr.argmax() # 가장 큰 요소의 인덱스 반환
arr.argmin() # 가장 작은 요소의 인덱스 반환

arr.flatten() # 1차원으로 변경

arr.astype(type | str)         # 자료형 변경
np.zeros(shape: Tuple[int...]) # shape 크기의 0으로 채워진 배열 반환
np.ones(shape: Tuple[int...])  # shape 크기의 1로 채워진 배열 반환

numpy-cheat-sheet 🔗Data Science Duniya

`np.random`

numpy의 난수 생성 형식이 변경되었다.
기존 np.random 모듈에서 바로 난수를 생성했지만, random.Generator 객체를 생성 후 해당 객체의 메서드를 호출하는 형식으로 변경되었다.

import numpy as np

SEED = 42
rng = np.random.default_rng(seed=SEED) # Generator 객체 생성
rng.normal(loc=0, scale=1, size=100) # N(0, 1) 샘플 100개 생성

# 기존 방식
np.random.seed(SEED) # numpy 전역 난수 고정
np.random.normal(loc=0, scale=1, size=100)