[파이썬 캐글뽀개기] Numpy

Numpy

• 고성능 수치 계산을 위해 제작된 파이썬 라이브러리
• 머신러닝, 딥러닝 알고리즘의 다차원 배열 계산에 효과적
• 대량 데이터 이용시 빠른 계산 가능
• ★중요★ ndarray

 

 

In [1]:

import numpy as np

In [2]:

temp = np.array([1,2,3])
print(type(temp))

 

<class 'numpy.ndarray'>

In [3]:

data1 = [1,2,3]
data1

Out[3]:

[1, 2, 3]

In [4]:

data2 = [1,1,2,2,3,4]
data2

Out[4]:

[1, 1, 2, 2, 3, 4]

In [6]:

#shpae로 배열 크기 확인
my_array1 = np.array(data1)
print(my_array1)
print(my_array1.shape)

 

[1 2 3]
(3,)

In [7]:

#dtype으로 객체 자료형 확인
my_array3 = np.array([3,6,9,12])
print(my_array3.dtype)

 

int32

 

주의
같은 int형이어도 int32,int64처럼 유형이 다를 수 있다.
그러면 오류가 발생할 수 있다.!! 중간중간 확인해야함!

In [11]:

#리스트 여러개 동시에 넣는 것도 가능
my_array4 = np.array([[2,4,6],[8,10,12],[14,16,18]])
my_array4

Out[11]:

array([[ 2,  4,  6],
       [ 8, 10, 12],
       [14, 16, 18]])

In [13]:

my_array4.shape

Out[13]:

(3, 3)

In [16]:

#arrange함수: 1차원배열
arrange_array = np.arange(5)
arrange_array

Out[16]:

array([0, 1, 2, 3, 4])

In [19]:

#arrange함수: 3단위 배열. 1부터 9 미만까지 3단위로 배열 생성
arrange_array2 = np.arange(1,9,3)
arrange_array2

Out[19]:

array([1, 4, 7])

In [20]:

#zeros, ones : 할당하는 배열에 0이나 1을 쉽게 입력가능하게 함. 기본 데이터 형태는 float64. dtype지정시 변경 가능
zeros_array = np.zeros((3,2))
print(zeros_array)

 

[[0. 0.]
 [0. 0.]
 [0. 0.]]

In [22]:

#dtype 강제지정
ones_array = np.ones((3,4), dtype="int32")
print(ones_array)

 

[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]

In [24]:

#reshape: 배열의 차원 ,크기 바꾸기. 전체 데이터 크기 다른 경우 error
after_reshape = ones_array.reshape(6,2)
print(after_reshape)

after_reshape = ones_array.reshape(2,3,2)
print(after_reshape)

 

[[1 1]
 [1 1]
 [1 1]
 [1 1]
 [1 1]
 [1 1]]
[[[1 1]
  [1 1]
  [1 1]]

 [[1 1]
  [1 1]
  [1 1]]]

In [27]:

#reshape에서 -1은 다른 차원을 자동으로 계산
#2차원 배열에서 열을 6개로 고정한 뒤 행을 크기에 맞도록 자동정렬
after_reshape2 = ones_array.reshape(-1,6)
print(after_reshape2)

 

[[1 1 1 1 1 1]
 [1 1 1 1 1 1]]

In [28]:

after_reshape3 = ones_array.reshape(3,-1)
print(after_reshape3)

 

[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]

In [29]:

#numpy의 indexing과 slicing
my_array = np.arange(start=0, stop=4)
print(my_array)

 

[0 1 2 3]

In [32]:

#numpy정렬: sort, argsort
##1. sort: 원래 배열은 그대로 두고 오름차순 정렬한 복사본 생성

height_arr = np.array([122,211,31,42])
sorted_height_arr = np.sort(height_arr)
print(sorted_height_arr)

 

[ 31  42 122 211]

In [34]:

###sort 내림차순 정렬
desc_sorted_height_arr = np.sort(height_arr)[::-1]
print(desc_sorted_height_arr)

 

[211 122  42  31]

In [35]:

##2. argsort(): 지정된 축을 따라 데이터 인덱스의 배열 반환하도록 지정된 종류의 정렬 이용해 배열 간접 정렬
fives = np.array([10,5,15,20])
fives_order = fives.argsort()

print("the original data:", fives)
print("the argsort():", fives_order)
print("the ascending:", fives[fives_order])

 

the original data: [10  5 15 20]
the argsort(): [1 0 2 3]
the ascending: [ 5 10 15 20]

In [37]:

from IPython.core.display import display, HTML

display(HTML("<style>.container { width:90% !important; }</style>"))