Numpy/Pandas 기초 학습 - 01 Numpy 사용해보기

• 배열 만들기

- Numpy?

Numerical Python.

Python에서 대규모 다차원 배열을 다룰 수 있게 도와주는 라이브러리

- Why?

데이터의 대부분은 숫자 배열로 볼 수 있다

- Python List?

파이썬 리스트로도 계산 할 수 있지만

numpy는 list에 비해서 빠른 연산을 지원하고

메모리를 효율적으로 사용한다

- 배열 만들기

list(range(10))
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

import numpy as np
np.array([1,2,3,4,5])
# array([1,2,3,4,5])

np.array([1, 2, 3, 4, 5])
# array([1, 2, 3, 4, 5])

np.array([3, 1.4, 2, 3, 4])
# array([3, 1.3, 2. , 3. , 4. ]) 

np.array([1, 2],
		[3, 4])
# array([1, 2],
#		[3, 4])
np.array([1, 2, 3, 4], dtype='float')
# array([1. , 2. , 3. , 4. ])

- 배열 데이터 타입 dtype

arr = np.array([1, 2, 3, 4], dtype='float')
arr # array([1. , 2. , 3. , 4. ])
arr.dtype
# dtype('float64')
arr.astype(int)
# array([1, 2, 3, 4])

dtype	설명	다양한 표현
int	정수형 타입	i, int_, int32, int64, i8
float	실수형 타입	f, float_, float32, float64, f8
str	문자열 타입	str, U, U32
bool	부울 타입	?, bool_

- 다양한 배열 만들기

np.zeros(10, dtype=int)
# array[0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

np.ones((3, 5), dtype=float)
# array([[1., 1., 1., 1., 1.]
#		 [1., 1., 1., 1., 1.]
 #        [1., 1., 1., 1., 1.]])

np.arange(0, 20, 2)
# array([0, 2, 4, 6, 8, 10, 12, 14, 16, 18])
np.linespace(0, 1, 5)
# array([0. , 0.25, 0.75, 1. ])

- 난수로 채워진 배열 만들기

np.random.random((2, 2))
# array([[0.30986539, 0.85863508],
#		 [0.89151021, 0.19304196]])
np.random.normal(0, 1, (2, 2)) #평균이 0, 표준표차가 1
# array([[0.44050683, 0.04912487],
#		 [-1.67023947, -0.70982067]])
np.random.randint(0, 10, (2, 2))
# array([[3, 9],
#		 [3, 2]])

• 배열의 기초

- 배열의 기초

x2 = np.random.randint(10, size=(3,4))
# array([[2, 2, 9, 0],
#		 [4, 2, 1, 0],
#		 [1, 8, 7, 3]])

x2.ndim # 2
x2.shape # (3, 4)
x2.size # 12
x2.dtype # dtype('int64')

- 찾고 잘라내기

Indexing: 인덱스로 값을 찾아낸다

x = np.arange(7)
x[3] # 3
x[7] # IndexError: index 7 is out of bounds
x[0] = 10 # array([10, 1, 2, 3, 4, 5, 6])

Slicing: 인덱스 값으로 배열의 부분을 가져오는 것

x = np.arange(7)
x[1:4] # array([1,2,3])
x[1:] # array([1, 2, 3, 4, 5, 6])
x[:4] # array([0,1,2,3])
x[::2] # attay([0,2,4,6])

• Reshape & 이어붙이고 나누기

- 모양 바꾸기

reshape: array의 shape를 변경한다

x = np.arange(8)
x.shape # (8,)
x2 = x.reshape((2, 4))
# array([[0, 1, 2, 3],
#		 [4, 5, 6, 7])
x2.shape # (2, 4)

- 이어 붙이고 나누고

concatenate: array를 이어 붙인다

x = np.array([0, 1, 2])
y = np.array([3, 4, 5])
np.concatenate([x, y])
# array([0, 1, 2, 3, 4, 5])

np.concatenate: axis축을 기준으로 이어붙일 수 있다

matrix = np.arange(4).reshape(2, 2)
np.concatenate([matrix, matrix], axis=0) #0은 세로로, 1은 가로로

np.split: axis축을 기준으로 나눌 수 있다

matrix = np.arange(16).reshape(4, 4)
upper, lower = np.split(matrix, [3], axis=0)

• Numpy 연산

- 루프는 느리다

array의 모든 원소에 5를 더해서 만드는 함수

def add_five_to_array(values):
	output = np.empty(len(values))
    for i in range(len(calues)):
    	output[i] = values[i] + 5
	return output

values = np.random.randint(1, 10, size=5)
add_fice_to_array(values)

만약 array의 크기가 크다면..?

big_array = np.random.randint(1, 100, size=10000000)

add_five_to_array(big_array)
# 5.3 s ± 286 ms per loop (mean ± std. dev. of 7 runs, 5 loops each)

big_array + 5
# 33.5 ms ± 1.94 ms per loop (mean ± std. dev. of 7 runs, 5 loops each)

- 기본 연산

array는 +, -, *,/에 대한 기본 연산을 지원한다

x = np.arange(4) # array([0, 1, 2, 3])
x + 5 # array([5, 6, 7, 8])
x - 5 # array([-5, -4, -3, -2])
x * 5 # array([0, 5, 10, 15])
x / 5 # array([0., 0.2, 0.4, 0.6])

- 행렬간 연산

다차원 행렬에서도 적용 가능하다

x = np.arange(4).reshape((2, 2)) # array([0, 1],[2, 3]])
y = np.random.randint(10, size=(2, 2)) # array([1, 6],[4, 2]])

x + y 
# array([1, 7],
#		[6, 5])
x - y
# array([-1, -5],
#		[-2, 1]])

• 브로드캐스팅

브로드캐스팅

Broadcasting: sharpe이 다른 array끼리 연산

• 집계함수 & 마스킹연산

- 집계 함수

집계: 데이터에 대한 요약 통계를 볼 수 있다.

x = np.arange(8).reshape((2, 4)) 

np.sum(x) # 28
np.min(x) # 0
np.max(x) # 7
np.mean(x) # (평균) 3.5
np.std(x) # (표준편차) 2.29

x = np.arange(8).reshape((2, 4)) 

np.sum(x, axis=0) # array([4, 6, 8, 10])
np.sum(x, axis=1) # array([6, 22])

- 마스킹 연산

마스킹 연산: True, False array를 통해서

특정 값들을 뽑아내는 방법

x = np.arange(5) # arraay([0, 1, 2, 3, 4])

x < 3 # array([True, True, True, False, False])
x > 5 # array([False, False, False, False, False])
x[x < 3] # array([0, 1, 2])

---

• 실습문제1, 소년의 거짓말 횟수 구하기!

  주어진 daily_liar_data 배열은 양치기 소년이 100일동안 한 말을 정리한 배열입니다.

  0은 거짓말을 한 날이고, 1은 거짓말을 하지 않은 날입니다

  양치기 소년이 100일 중 거짓말을 총 몇번 했는지, 그 횟수를 세어 정확히 출력해주세요

import numpy as np

daily_liar_data = [0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0]


# 양치기 소년이 거짓말을 몇 번 했는지 구하여 출력해주세요.
lie = np.array(daily_liar_data)
num = lie[lie == 0]

print(num.size)
>>> 71