[Python][numpy] Numpy 기초부터 활용까지

 

Python에서 데이터를 다룰 때 필수적으로 사용되는 라이브러리 중 하나가 Numpy이다.

대규모 배열 및 행렬 연산을 빠르게 수행할 수 있도록 설계되었으며, 과학 연산, 머신러닝, 데이터 분석 등에 폭넓게 사용된다.

---

1. Numpy란?

---

• Numpy(NumPy, Numerical Python)는 다차원 배열 객체(ndarray)를 지원하며, 이를 효율적으로 연산할 수 있는 다양한 기능을 제공함
• Python의 기본 리스트(list)보다 빠르고, 메모리를 효율적으로 사용함

Numpy의 특징

• 고속 연산: C 언어로 구현되어 있어 리스트보다 빠름
• 다차원 배열 지원: 벡터, 행렬 연산을 쉽게 수행 가능
• 방대한 수학 및 선형대수 연산 기능: 다양한 함수 제공
• 다른 라이브러리와의 호환성: Pandas, SciPy, TensorFlow 등과 함께 사용됨

---

2. Numpy 설치 및 기본 사용법

---

Numpy는 pip을 이용하여 간단히 설치 가능함

# conda config --env --add channels conda-forge
# conda install numpy
pip install numpy

 

설치 후 Numpy를 import하여 사용할 수 있음

import numpy as np

---

728x90

반응형

3. Numpy 배열 생성

---

3.1 기본 배열 생성

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))  

# <class 'numpy.ndarray'>

3.2 다차원 배열 생성

arr2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2d)

# [[1 2 3]
#  [4 5 6]]

3.3 배열의 크기 확인

print(arr.shape)  # (5,)
print(arr2d.shape)  # (2, 3)

---

4. Numpy 주요 기능

---

4.1 기본 연산

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

print(arr1 + arr2)  # [5 7 9]
print(arr1 * arr2)  # [4 10 18]
print(arr1 - arr2)  # [-3 -3 -3]

4.2 통계 함수

arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))  # 평균: 3.0
print(np.median(arr))  # 중앙값: 3.0
print(np.std(arr))  # 표준편차: 1.414...

4.3 배열 변형

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.reshape(3, 2))  # (2,3) 배열을 (3,2)로 변경

# [[1 2]
#  [3 4]
#  [5 6]]

4.4 배열 슬라이싱

arr = np.array([10, 20, 30, 40, 50])
print(arr[1:4])  # [20 30 40]

4.5 마스킹 연산

arr = np.array([10, 20, 30, 40, 50])
print(arr[arr > 25])  # [30 40 50]

---

5. 활용 예제

---

5.1 행렬 곱셈

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

# [[19 22]
#  [43 50]]

5.2 난수 생성

np.random.seed(0)  # 난수 고정
random_arr = np.random.rand(3, 3)  # 3x3 난수 배열 생성
print(random_arr)

# [[0.5488135  0.71518937 0.60276338]
#  [0.54488318 0.4236548  0.64589411]
#  [0.43758721 0.891773   0.96366276]]