Numpy
- 파이썬의 고성능 과학 계산용 패키지
- Matrix와 Vector와 같은 Array 연산의 표준
- python list 에 비해 빠르고, 메모리 효율적이다. 그 이유는 반복문 없이 데이터 배열에 대한 처리를 지원하기 때문
- 선형대수와 관련된 다양한 기능을 제공
numpy의 호출 방법
import numpy as npndarray란?
- ndarray란 numpy의 배열을 말하며 n차원의 배열 객체이다.
- ndarray는 파이썬 리스트와 달리 하나의 데이터 타입만 배열에 넣을 수 있다.
- ndarray는 파이썬 리스트와 달리 Dynamic typing(동적 타이핑)을 지원하지 않는다
여러 방식의 ndarray 생성법
np.array 함수로 생성하기
np.array()로 Verctor 생성
a = [1, 2, 3, 4]
array1 = np.array([1, 2, 3, 4])
array2 = np.array(a)
print(array1)
print(array2)[1 2 3 4]
[1 2 3 4]np.array()로 Matrix 생성
a = [1, 2]
b = [3, 4]
matrix1 = np.array([a, b])
matrix2 = np.array([[1, 2], [3, 4]])
print(matrix1)
print(matrix2)[[1 2]
[3 4]]
[[1 2]
[3 4]]np.arange()로 Vector 생성
v1 = np.arange(0, 10) #0이상 10미만의 정수로 ndarray를 만들어라
print(v1)[0 1 2 3 4 5 6 7 8 9]v2 = np.arange(0, 10, 2) #0이상 10미만 2씩 증가하는 값의 array를 만들어라
print(v2)[0 2 4 6 8]np.arange로 Matrix 생성을 하고 싶다면 np.arange로 생성한 ndarray에 reshape 함수를 이용할 수 있다. 주의해야할 점은 만들고 싶은 Matrix의 원소의 개수와 arange로 생성된 ndarray의 원소의 개수가 같아야한다.
matrix_by_arange = np.arange(4).reshape((2, 2)) #reshape 함수 안에는 만들고 십은 shape의 사이즈를 넣으면된다.
print(matrix_by_arange)[[0 1]
[2 3]]np.ones(), np.zeros()로 Matrix 생성
- np.ones() : 모든 원소가 1로 채워진다.
- np.zeros() : 모든 원소가 0으로 채워진다.
- parameter에는 shpae를 넣어주면된다.
np.ones((3, 3))array([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]])np.zeros((3, 3))array([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])np.full() 로 Matrix 생성
- 모든 원소에 동일한 값으로 채워준다
np.full((3, 3), 7)array([[7, 7, 7],
[7, 7, 7],
[7, 7, 7]])np.eye()로 단위 행렬(identity matrix) 생성하기
np.eye(3, 3)array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])np.linspace() 로 생성하기
np.linspace(0, 10, 5) # 0부터 10까지를 5등분 한다고 생각하면 된다.array([ 0. , 2.5, 5. , 7.5, 10. ])random의 서브모듈 함수로 ndarray 생성하기
rand 함수
- 0, 1사이의 분포로 랜덤한 ndarray 생성
np.random.rand(2, 2)array([[0.52089394, 0.36517463],
[0.48348571, 0.14953476]])randn함수
- n: normal distribution(정규분포)
- 정규분포로 샘플링된 랜덤 ndarray 생성
np.random.randn(3, 3)array([[ 0.62869156, 1.07782007, 0.92929419],
[ 2.74440024, 0.73328124, -0.16418343],
[-0.78758572, -0.91650962, -0.43374428]])randint 함수
- 특정 정수 사이에서 랜덤하게 샘플링
np.random.randint(10, 100, (3, 3)) #low, high, shape 순서array([[47, 49, 48],
[69, 72, 87],
[56, 76, 25]])seed() 함수
- seed 함수는 난수를 고정하는 역활은 한다. 예를 들어 random 모듈을 통해 ndarray를 생성할경우 동일한 함수로 생성해고 random모듈의
특성상 그값은 실행할때마다 바뀌는데 그 값을 고정하는 역할을 한다.
np.random.randint(10, 100)57np.random.randint(10, 100)74위의 두 코드를 보면 동일한 코드를 사용했는데 다른 값이 반환되는것을 볼수 있다. seed함수는 이런것을 방지해준다.
np.random.seed(0) # seed함수 안의 parameter는 실험 코드 같은것이라고 생각하면 편하다
np.random.randint(10, 100)54np.random.seed(0)
np.random.randint(10, 100)54위의 두 코드를 통해 seed함수를 이용하면 random모듈을 사용하였음에도 같은 값을 반환하는것을 볼 수 있다.
choice
- 주어진 1차원 ndarray로 부터 랜덤으로 샘플링
- 정수가 주어진 경우, np.arange(해당숫자)로 간주
x = np.array([1, 2, 3, 4, 5, 6, 7])
np.random.choice(x, (2, 2)) # parameter replace 에 False 값을 부여하면 중복허용xarray([[6, 1],
[4, 4]])np.random.choice(10, (2, 2), replace=False) # argument인 10을 np.arange(10)으로 인식array([[8, 6],
[4, 0]])
study blog