Numpy의 기본

• Numerical Python의 줄임말인 Numpy는 고성능의 과학계산 컴퓨팅과 데이터 분석에 필요한 기본 패키지이다.
• 수치 데이터에 사용하는 빠르고 효율적인 다차원 데이터 컨테이너인 ndarray를 제공한다. (python의 list보다 빠르다!)

ndarray

• numpy.array([]) : ()괄호 안에 [] 괄호를 넣어야 한다.
• 즉, array는 list로 만든다.
• print를 하면 콤마 없이 [] 괄호 안에 띄어쓰기로 구분되어 출력한다.

import numpy as np

a = np.array([1, 2, 3])	 # [1 2 3]

• 1차 뿐만 아니라 n차 array에 대한 출력 결과도 콤마로 구분하지 않는다.
• 2차 array의 경우 ([]) 안에 ()로 묶인 튜플이 콤마로 구분되어 들어감
• 결과는 [] 괄호 안에 [] 괄호가 들어간 형태

b = np.array([(1, 2, 3), (4, 5, 6)])
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
[[1 2 3]
 [4 5 6]]

numpy 배열 생성하기

• np.arange(n) : 0부터 n-1까지 n개의 숫자가 있는 array 반환
• np.arange(start, end, interval) : 시작부터 간격만큼 더해서 끝보다 작은 수 출력

a = np.arange(10)
print(a) # [0 1 2 3 4 5 6 7 8 9]
print(a.shape) # (10,)

b = np.arange(0, 10, 2)
print(b) # [0 2 4 6 8]
print(b.shape) # (5,)

• np.zeros(n) : n개의 0 출력 결과가 0. 으로 나온다.
• np.zeros((n, m)) : n개의 0. 출력 (m이 있을 경우 n X m 행렬 출력)

c = np.zeros(5)
print(c) # [0. 0. 0. 0. 0.]

d = np.zeros((3, 2))
print(d)
[[0. 0.]
 [0. 0.]
 [0. 0.]]
print(d.shape)
(3, 2)

• np.full((n, m), x) : x로 가득찬 n X m 행렬의 ndarray

a = np.full((2, 3, 4), 8))
print(a)
[[[8 8 8 8]
  [8 8 8 8]
  [8 8 8 8]]

 [[8 8 8 8]
  [8 8 8 8]
  [8 8 8 8]]]

• np.eye(n) : nxn ndarray에 대각선만 1. 나머지는 0.으로 채운다.

a = np.eye(4)
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]

• np.random.random((n, m)) : 0이상 1미만의 값으로 채워진 n x m 행렬 ndarray (괄호가 두 개 들어간다.)

a = np.random.random((3, 2))
[[0.06962667 0.87704521]
 [0.32205301 0.1144304 ]
 [0.32638222 0.25040487]]

Array indexing

• 파이썬 list 자료형을 np.array(list)를 통해 ndarray로 변환할 수 있다.

temp_list = [1, 2, 3]
temp_ndarray = np.array(temp_list)
print(temp_ndarray)
[1 2 3]

• 파이썬 list 2개 이상으로 2차원 array를 만들 때는 np.array([list1, list2, ...]) 형태이다.

temp_list2 = [4, 5, 6]
temp = np.array([temp_list, temp_list2])
print(temp)
[[1 2 3]
 [4 5 6]]
 
만약 행과 열의 길이가 다르면 
[list([1, 2, 3]) list([4, 5, 6, 7])]
이런 식으로 출력된다.

print(temp_ndarray[0]) # 1
print(temp[0:3]) # [1 2 3]

# 행에 접근하기
print(temp[1]) # [4 5 6]

# 열에만 접근도 가능함
print(temp[:, 1]) # [2 5]

print(temp[0:2, 1:3])
[[2 3]
 [5 6]]

Boolean indexing

• array를 조건식에 대입하면 각 값에 대해 True, False를 반환한다.

print(temp_ndarray>2) # [False False True]
print(temp_ndarray > temp[0, 2]) # temp[0, 2] = 3
# [False False False]

• 조건식을 괄호 안에 넣어서 조건에 맞는 값만 출력이 가능함!

print(temp_ndarray[temp_ndarray>1]) # [2 3]

nums = np.arange(20)
odd_nums = nums[nums%2 == 1]
print(odd_nums) # [ 1  3  5  7  9 11 13 15 17 19]

a=np.array([[1, 2, 3, 4, 5],
           [6, 7, 8, 9, 10], 
            [11, 12, 13, 14, 15]])

b = a[-2:, -3:]
print(b)
[[ 8  9 10]
 [13 14 15]]

• b 값을 수정하면 원래 array인 a의 값들이 변경됨에 유의하자

b[1, 2] = 77
print(b)
[[ 8  9 10]
 [13 14 77]]