Numpy

[Numpy : 배열이나 행렬계산에 필요한 함수 제공]

• ndarray : Numpy의 데이터 타입중 하나로, 리스트와 비슷한 형식의 구조적인 데이터
• 이중 구조의 배열이나 행렬(Matrix)처럼 사용이 가능하며, 수학 과학연산을 모두 지원
• Numpy 라이브러리 호출

import numpy as np

data = [6,5,7,3,4,2]

arr= np.array(data)
arr.mean()
#4.5

• 리스트와 배열의 데이터 타입

print(type(data))
print(type(arr))
#print(type(data))
#print(type(arr))

• Numpy array 내부 데이터 타입

arr1 = np.array([1,2,3,4,5])
arr1.dtype
#dtype('int32')

arr2 = np.array([1.1,2.3,3.4,4.5,5.8])
arr2.dtype
#dtype('float64')

• 3X3 행렬의 구현

data = [
    [1,2,3],
    [4,5,6],
    [7,8,9]
]
matrix = np.array(data)
print(type(matrix))
matrix
#<class 'numpy.ndarray'>
#array([[1, 2, 3],
#       [4, 5, 6],
#       [7, 8, 9]])

• 행렬의 제곱 연산

matrix**2
#array([[ 1,  4,  9],
#       [16, 25, 36],
#       [49, 64, 81]], dtype=int32)

• 행렬의 형태를 나타내는 함수

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

• arange 함수를 이용한 데이터 자동 생성(random.randn : 평균이 0이고 표준편차가 1)

arr3 = np.arange(1,10,2)
arr3
#array([1, 3, 5, 7, 9])

arr4 = np.random.randn(10)
arr4
#array([ 2.05908442,  0.5615775 ,  1.32497475,  2.62883141,  1.44151939,
#       -0.62765441,  0.87624048,  0.01962865,  2.73751236, -0.056804  ])

• 2차원 array에서 indexing

arr_1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
arr_1
#array([[1, 2, 3],
#       [4, 5, 6],
#       [7, 8, 9]])

arr_1[0,0]
#1

arr_1[2,1]
#8

• 행 또는 열 형태로 출력

arr_1[0:2,:]
#array([[1, 2, 3],
#       [4, 5, 6]])

arr_1[:,0:2]
#array([[1, 2],
#       [4, 5],
#       [7, 8]])