[Python Library] NumPy 함수 정리/NumPy function cleanup

Numpy  라이브러리를 사용하는 가장 큰 이유는 Array의 사용입니다. 

Python의 Array 와 비교되는 Numpy의 차이점은 바로 차원의 다양성이라고 말할 수 있습니다. Python Array는 현재 일차원 만을 지원하는 것에 비해, Numpy는 일차원 외에도 2차원을 지원하여 딥러닝이나 머신러닝을 사용할 때, 행렬을 이용한 계산이 필요한 시점에서 항상 쓰이게 됩니다.

*이 글은 Kaggle:NumpyTutorialForBeginner를 참조하였고 그 외에도 제 나름대로 공부한 내용(Deep Learning Specialization by Andrew Ng, 데이터 과학을 위한 통계, An introduction to Statistical Learning 등등)을 덧붙여 만들어졌습니다.

 

---

그럼 시작해보겠습니다!

Numpy를 부르는 것부터 시작해보겠습니다. import해야 이제서야 numpy 라이브러리를 사용할 수 있게 됩니다!! 꼭 써주세요.

import numpy as np 		//입력시 특정한 결과값이 나오지는 않습니다.

 

이후에 생성과 계산을 해보겠습니다!

• np.array() 생성하기
• np.ndim(), np.shape(), np.size(), np.dtype()

//numpy array 생성
Array1 = np.array([1,2,3,4])			//Array1은 1차원으로
Array2 = np.array([(1,2,3),(4,5,6)])		//Array2는 2차원으로 만들어보았습니다.(괄호 주의!)
print("Array1 : ", Array1) 			//Array1 값이 출력됩니다. output | Array1 : [1 2 3 4]
print("Array2 : ", Array2)			//Array2 값이 출력됩니다. output | Array2 : [[1 2 3] [4 5 6]]

//생성된 numpy array의 특징 뽑아내기

//먼저 Array1
print("Array1")					//output | Array1
print("Dimension : ", Array1.ndim)		//dimension(몇 차원) 출력 output | Dimension : 1
print("shape : ", Array1.shape)			//행렬 크기(행과 열 정보) 출력 output | shape : (1,4)
print("size : ", Array1.size)			//행렬의 모든 숫자 개수 출력 output | size : 4
print("dtype : ", Array1.dtype)			//행렬의 숫자 타입 출력 output | dtype : in64

//Array2
print("Array2")					//output | Array2
print("Dimension : ", Array2.ndim)		//dimension(몇 차원) 출력 output | Dimension : 2
print("shape : ", Array2.shape)			//행렬 크기(행과 열 정보) 출력 output | shape : (2, 3)
print("size : ", Array2.size)			//행렬의 모든 숫자 개수 출력 output | size : 6
print("dtype : ", Array2.dtype)			//행렬의 숫자 타입 출력 output | dtype : in64

 

특정한 numpy array 추출해보기 

:np.zeros, np.ones, np.arange, np.random.random

• • np.zeros : useful when first declaring matrix
  • np.ones : when you want to use unit matrix
  • np.arange : when you want to make a matrix that has regularity
  • np.random.random

//np.zeros : 모두 0으로 초기화된 행렬 만들기 : 행렬 초기 선언시 유리
A = np.zeros((3,4))			//괄호안에 shape형태로 만들고 싶은 행렬의 shape 삽입, 괄호 주의!!
print("A : ", A)			//output | A : [[0. 0. 0. 0.][0. 0. 0. 0.][0. 0. 0. 0.]]

//np.ones : 모두 1로 초기화된 행렬 만들기 : 단위 행렬 작성시 유리
B = np.ones((2,3))			//괄호안에 shape형태로 만들고 싶은 행렬의 shape 삽입
print("B : ", B)			//output | B : [[1. 1. 1.][1. 1. 1.]]

//np.arange : arrange처럼 간격있는 일차원 배열 작성 가능 : 숫자 간격있는 행렬 작성시 유리, 철자 주의!!
C = np.arange(1,8,2)			//1과 8사이에 2간격으로 행렬 작성
print("C : ", C)			//output | C : [1 3 5 7]

//np.random.random : 범위 내의 랜덤한 숫자 출력 : 임의의 값을 생성하고 싶을 때 유리
D = np.random.random((2,3))
print("D : ", D)			
				//output | D : [[0.85511635 0.92153486 0.58797302]
 						[0.60292604 0.63743353 0.55012405]]

 

행렬 변형하기

: np.reshape(), np.vstack(), np.hstack, np.hsplit(), np.vsplit

before = np.array([1,2,3,4,5,6,7,8,9,10])	//before : 1행 10열
print(before)					//output | [1 2 3 4 5 6 7 8 9 10]

//reshape : 행렬의 차원을 변형하기
reshape = before.reshape((5,2))			//reshape : 1행 10열을 5행과 2열을 지닌 행렬로 변형
print(reshape)					//output | [[1 2],[3 4], [5, 6], [7, 8], [9,10]]
                                                        
//

Random Number 추출 비교하기

: np.random.random(), np.random.rand(), np.random.randint(), np.random.permutation

 

Numpy의 행렬 관련 계산 함수

: np.dot(), np.linalg.norm(), np.multiply()

 

긴 글 읽어주셔서 감사합니다!

유익하셨다면 밑 버튼을 눌러서 후원해주세요!:)

Buy me a Milkshake