🐍 Python Study Log: NumPy, Matplotlib, and Random Walks

오늘은 Python을 활용한 데이터 시각화와 간단한 수학 연산에 대해 공부했습니다. 특히 numpy, matplotlib, 그리고 random walk에 대해 궁금했던 것들을 정리해보려고 해요. 저처럼 초보자분들께 도움이 되길 바랍니다 🌱

---

📌 1. plt.plot()과 선 굵기

import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
plt.plot(squares, linewidth=3)

• linewidth=3는 선의 굵기입니다. boldness (두께)를 조절하는 옵션이에요.
• plot(x, y)처럼 x값과 y값을 둘 다 줄 수 있어요. y만 주면 x는 자동으로 [0, 1, 2, ...]가 됩니다.

공식 문서 참고 – plt.plot

---

📌 2. 왜 numpy를 쓰는 걸까?

리스트나 range는 직접 연산이 어렵습니다:

x = range(10)
y = x + 1  # ❌ 오류 발생

하지만 numpy를 쓰면 한 줄로 처리됩니다:

import numpy as np

x = np.arange(10)
y = x + 1  # ✅ 가능

➕ np.linspace vs np.arange

• np.arange(start, stop, step) → 정수 단위나 일정 간격
• np.linspace(start, stop, num) → start부터 stop까지 균등한 간격으로 num개의 값

예시:

x = np.linspace(-10, 10, 20)
y = x**2
plt.scatter(x, y)
plt.show()

---

📌 3. plt.scatter() 좌표 해석

plt.scatter([3, 5], [2, 8])

• 이건 (3,2), (5,8) 두 점을 의미해요.
• 첫 번째 리스트는 x좌표, 두 번째는 y좌표입니다.
• 그래서 (3, 5), (2, 8)으로 해석되진 않습니다!

직관적으로 이해하고 싶으면 이렇게 해보세요:

points = [(3, 5), (2, 8)]
x = [p[0] for p in points]
y = [p[1] for p in points]
plt.scatter(x, y)

---

📌 4. RandomWalk 클래스 분석

x_direction = choice([1, -1])
x_distance = choice([0, 1, 2, 3, 4])
x_step = x_direction * x_distance

이 부분이 조금 헷갈렸는데, 설명하자면:

• choice([1, -1]): 방향 (→ 또는 ←)
• choice([0~4]): 얼마나 멀리 갈지
• 곱하면 최종적인 이동량이 됩니다

예를 들어 x_direction = -1이고 x_distance = 3이면 x_step = -3 → 왼쪽으로 3칸 이동이죠!

---

🧠 오늘 배운 핵심 요약

개념	설명
numpy	배열 연산을 빠르고 직관적으로 가능하게 함
matplotlib.pyplot.plot()	선 그래프
matplotlib.pyplot.scatter()	점 그래프, (x, y) 리스트로 좌표 설정
np.linspace()	등간격 숫자 배열 생성
RandomWalk의 choice()	방향과 거리 선택으로 랜덤 이동 구현

---

필요한 내용을 짧게 정리하면서도 이해하려고 노력해봤어요. 저처럼 Python을 공부하는 분들에게 도움이 되었길 바라며, 더 궁금한 게 생기면 또 정리해볼게요 😊