Numpy

Numpy 사용하기

# print() # 내장함수
# len()
import numpy as np

Numpy 제공 자료형태 이해하기

• 파이썬 기본 자료: list, tuple, dict, set
• numpy: 배열(array, ndarray, 다차원 배열)
• 기존 파이썬이 가질 수 있는 데이터 처리 크기보다 더 큰 데이터를 정리할 수 있는 자료 구조(형태))

넘파이 배열 특징

• 다차원 배열, 행렬 데이터 구조 제공
• 동일한 자료형을 가지는 값들이 배열 형태로 존재
• n차원 형태로 구성이 가능
• 데이터에 접근을 최적화 하기 위해 색인(index)을 부여

Numpy 배열 다루기

• 1차원 배열 생성(1D Array)

# 1차원 생성해보기
# 1~5 까지 담은 리스트 생성
list1 = [1,2,3,4,5]
arr1 = np.array(list1)
arr1 							# array([1, 2, 3, 4, 5])

# arr1, list1 비교
arr1 + 1 # 배열과 단일 숫자의 연산이 적용이 됨(모든 위치에 +1)

# list2 = []
# for i in list1:
#     list2.append(i+1)

# list2							# array([2, 3, 4, 5, 6])

• 2차원 배열 생성하기(2D Array)

list2 = [1,2,3,4,5],[6,7,8,9,10]
arr2 = np.array(list2)
arr2

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

배열 속성 확인하기

• 배열 크기 : shape
• 배열 데이터 개수 : size
• 배열 차원의 수 (크기) : ndim
• 배열 데이터 타입 : dtype

# 1차원 데이터 arr1 정보 출력해보기
print('arr1 크기:', arr1.shape)
print('arr1 데이터 개수:', arr1.size)
print('arr1 차원 수(크기):', arr1.ndim) 1 -> 1차원
print('arr1 데이터 타입:', arr1.dtype)

#
arr1 크기: (5,)
arr1 데이터 개수: 5
arr1 차원 수(크기): 1
arr1 데이터 타입: int32

# 2차원 데이터 arr2 정보 출력해보기
print('arr2 크기:', arr2.shape) # 데이터 방향 2 (행, 열)
print('arr2 데이터 개수:', arr2.size)
print('arr2 차원 수(크기):', arr2.ndim) #2 -> 2차원
print('arr2 데이터 타입:', arr2.dtype)

#
arr2 크기: (2, 5)
arr2 데이터 개수: 10
arr2 차원 수(크기): 2
arr2 데이터 타입: int32

다양한 배열 생성하는 함수들이 존재

• 1~50이 담긴 1차원 배열을 생성해보자

np.array(list(range(1,51)))

list50 = []
for i in range(1,51):
    list50.append(i)
np.array(list50)

# 파이썬 응용 - 리스트 컴프리핸션 (리스트 내포)
np.array([i for i in range(1,51)])

arr3 = np.arange(1,51,1) # 1차원
arr3.size	# 50

# arr3 데이터를 2차원 배열로 변경하기
# 배열의 크기를 변환하기 - reshape(5,10)
rs_arr3 = arr3.reshape(5,10)
rs_arr3

#
array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15, 16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25, 26, 27, 28, 29, 30],
       [31, 32, 33, 34, 35, 36, 37, 38, 39, 40],
       [41, 42, 43, 44, 45, 46, 47, 48, 49, 50]])

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

#
array([[[1, 2],
        [3, 4]]])

실습) 이미지 데이터 불러와서 정보 확인하기

• OpenCV 라이브러리(모듈) 활용하기

!pip install opencv-python

import cv2 # opencv-python
import matplotlib.pyplot as plt

# 1. 이미지 경로
img_path = './mokoko.jpg'
img = cv2.imread(img_path, cv2.IMREAD_COLOR) # rgb -> bgr
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
plt.imshow(img)

img.ndim # 3
img.shape # 행, 열, 채널(channel) # (198, 255, 3)
img # [255, 255, 255] 흰색 >> 빛의 색상>

print('색상 최소: ', img.min())
print('색상 최대: ', img.max())

#
색상 최소:  0
색상 최대:  255

img_path = './mokoko.jpg'
img = cv2.imread(img_path, cv2.IMREAD_COLOR) # rgb -> bgr
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
plt.imshow(img, cmap='gray')

img.ndim # 2
img.shape # 흑백이미지 2차원 이미지
img.ndim 

print('흑백 최소: ', img.min())
print('흑백 최대: ', img.max())

#
img.shape # 흑백이미지 2차원 이미지
print('흑백 최소: ', img.min())
print('흑백 최대: ', img.max())