[Numpy] 사용법

※ Numpy를 사용하는 이유

인공지능 활용시 행렬을 사용하는데 행렬에서 필요한 데이터를 추출하는 등 조작을 하기 위해서 사용함

 

실습 환경 구축

https://colab.research.google.com/?hl=ko 

Google Colaboratory

로그인을 하면 사용 가능함

 

또는

Jupyter notebook 이용

1. 설치

pip install notebook

2. 실행(cmd)

jupyter notebook

 

Numpy.ipynb

0.01MB

 

Numpy import하기

In [ ]:

import numpy as np

np.array(값) : 값을 배열로 만들어줌
※ list vs array
list : 동적크기, 데이터타입 자유, 느림
array : 정적크기, 한가지 데이터타입, 빠름

In [ ]:

arr = np.array(range(8))
print('arr는?' , arr)
print('arr[3]는? ', arr[3])   #list처럼 []을 이용해서 접근가능

arr는? [0 1 2 3 4 5 6 7]
arr[3]는?  3

영행렬 : np.zeros((행,열))
단위행렬 : np.eye(n) [n x n 단위행렬임]

In [ ]:

zero_matrix = np.zeros((2,3))
unit_matrix = np.eye(3)
print('영행렬\n',zero_matrix)
print('')
print('단위행렬\n',unit_matrix)

영행렬
 [[0. 0. 0.]
 [0. 0. 0.]]

단위행렬
 [[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

np.arange(시작, 종료, 간격) : 연속되는 값을 배열로 만들어줌
시작은 포함하나 종료는 종료-1 까지

In [ ]:

#range 함수와 동일함
arr_1 = np.arange(6)
arr_2 = np.arange(2, 8)
arr_3 = np.arange(1, 13, 3)

print('arr_1는? ', arr_1)
print('arr_2는? ', arr_2)
print('arr_3는? ', arr_3)

arr_1는?  [0 1 2 3 4 5]
arr_2는?  [2 3 4 5 6 7]
arr_3는?  [ 1  4  7 10]

np.linspace(시작, 종료, n개) : 시작부터 끝가지를 n개의 데이터로 균일하게 나눔(n등분 아님 n개임!)
시작, 끝 모두 포함함
※ np.linspace(a,b,n) : 공차 (b-a)/(n-1)

In [ ]:

arr_lin = np.linspace(1,100,5)  #5등분이 아니라 5개를 만드는 것임
print('1부터 100까지 5개로 등분한 배열은?', arr_lin)  #24.75씩 증가함

1부터 100까지 5개로 등분한 배열은? [  1.    25.75  50.5   75.25 100.  ]

np.concatenate((x,y), axis=0) : 행렬 합치기
axis=0 : 행
axis=1 : 열

In [ ]:

x = np.zeros((2,2))
y = np.eye(2)

con_row = np.concatenate((x,y), axis=0)
con_col = np.concatenate((x,y), axis=1)

print('행으로 합치기\n', con_row)
print('')
print('열으로 합치기\n', con_col)

행으로 합치기
 [[0. 0.]
 [0. 0.]
 [1. 0.]
 [0. 1.]]

열으로 합치기
 [[0. 0. 1. 0.]
 [0. 0. 0. 1.]]

배열.reshape(행, 열) : 차원을 변경해줌

In [ ]:

old_arr = np.arange(12)
new_arr = old_arr.reshape(3,4)

print('new_arr는?\n', new_arr)

new_arr는?
 [[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

행렬연산
A + B : 같은 성분의 합
A - B : 같은 성분의 차
A * B : 같은 성분의 곱
A @ B : 행렬곱(내적)

In [ ]:

A = np.array([1,2,3,4]).reshape(2,2)
B = np.array([5,6,7,8]).reshape(2,2)

print('A+B', A+B)
print('A-B', A-B)
print('A*B', A*B)
print('A@B', A@B)

A+B [[ 6  8]
 [10 12]]
A-B [[-4 -4]
 [-4 -4]]
A*B [[ 5 12]
 [21 32]]
A@B [[19 22]
 [43 50]]

np.random.rand(n) : 0.0에서 1.1 사이의 값 n개 생성
np,random.normal(평균, 표준편차, n) : 정규분포 데이터 n개 생성

In [ ]:

a = np.random.normal(0,0.1,10)
print(a)

[ 0.10628313 -0.03399761 -0.06571009  0.23288657  0.0351666  -0.03136179
 -0.04665172 -0.10657779  0.01400179 -0.00626739]