1. Numpy

Numpy(Numerical Python)는 데이터 버퍼에서 저장하고 처리하는 효과적인 인터페이스를 제공한다.

List와 비슷하지만 규모가 커지면 커질수록 데이터 저장 및 처리에 훨씬 더 효율적이며, 보통 Data를 다룰때

Numpy 형식으로 다루게 된다. 

Conda 환경에서 Numpy 설치

conda install -c anaconda numpy

##############################
######Numpy Version 확인######
##############################
import numpy
numpy.__version__ #본인은 1.14.2 사용중
 
 
#앞으로 계속해서 Numpy에다가 np라는 alias(일명)을 줘서 사용할예정임
import numpy as np
 

Python을 고정 배열 타입과 Numpy의 배열

import array
L = list(range(5)) # 0~4까지 값을 가지는 list 생성 
A = array.array('i', L) #int형으로 명시적으로 표현
A
 
#output : array('i', [0, 1, 2, 3, 4])
 
 
 
#******list와 달리 모든 요소가 같은 타입이여야 된다!!!***
#타입이 일치하지 않으면 상위 타입을 취하게 된다.
import numpy as np
NA = np.array([1, 4, 2, 5, 2])
NB = np.array([1, 4, 2, 5, 2], dtype='float32') #float32형태로 1. 4. 2. 5. 2. 으로 들어간다 
NA
NB
 
#output : array([1, 4, 2, 5, 2])
#output : array([1., 4., 2., 5., 2.], dtype=float32)
 
 
 
#0으로 채운 길이 10의 배열 만들기
IB = np.zeros(10, dtype=int)
#output : array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
 
#1로 채운 3*5 부동 소수점 배열 만들기
FB = np.ones((3,5), dtype = float)
#output : array([[1., 1., 1., 1., 1.],
#               [1., 1., 1., 1., 1.],
#               [1., 1., 1., 1., 1.]])
 
 
#28로 채운 4*5 배열 만들기
FA = np.full((4,5), 28)
#output : array([[28, 28, 28, 28, 28],
#                [28, 28, 28, 28, 28],
#                [28, 28, 28, 28, 28],
#                [28, 28, 28, 28, 28]]) 
 

Numpy의 배열 속성 및 타입

import numpy as np
 
xy = np.random.randint(10, size(2, 4))
 
#차원의 갯수
xy.ndim 
#output : 2
 
#차원의 크기
xy.shape
#output : (2, 4)
 
#데이터 타입
xy.dtype
#output : dtype('int32')

reference : 파이썬 데이터 사이언스 핸드북

개인 공부를 위해 정리한 글입니다.

문제가 있을시 언제든 삭제될 수 있습니다